标签：强化学习
刚刚，阶跃星辰发布Step R-mini！推理模型从此不再文理偏科
阶跃星辰发布了其Step系列模型家族的首个推理模型——Step Reasoner mini（Step R-mini），标志着国内推理模型领域的一大进展。Step R-mini擅长规划、尝试和反...
清华团队靠强化学习让 7B 模型打败GPT-4o数学推理
清华大学NLP实验室联合上海AI Lab、清华大学电子系及OpenBMB社区提出了一种新的强化学习方法PRIME（Process Reinforcement through IMplicit REwards），该方...
仅用 8 张显卡和一万块钱，清华团队用7B模型打败GPT-4o数学推理
清华大学NLP实验室联合上海AI Lab、清华大学电子系及OpenBMB社区提出了一种新的结合过程奖励的强化学习方法PRIME（Process Reinforcement through IMplicit R...
强化学习之父 Rich Sutton 最新演讲：用「去中心化神经网络」应对深度学习局限性
在第六届国际分布式人工智能会议上，现代强化学习奠基人Richard S. Sutton教授提出了深度学习面临的挑战，包括灾难性遗忘、可塑性丧失和模型坍塌等现象，这些...
Anthropic联创：Scaling Law没崩，但推理成天价！有了TTT，25年AI更加速
Anthropic联合创始人Jack Clark近日发文反驳了关于AI发展已到达瓶颈的观点，他认为AI的发展还远远没有达到极限。Clark指出，OpenAI的技术秘诀并不是让模型变...
LeCun八年前神预言，大模型路线再颠覆？OpenAI宣告：强化学习取得稳定性突破
新智元报道指出，强化微调（RLF）技术可能在强化学习领域引发一场变革。Yann LeCun曾将智能比作蛋糕，其中无监督学习是主体，有监督学习是糖霜，而强化学习则...
OpenAI o1是真有实力！港大权威AB测试，国家队奥数题照样拿下
香港大学研究人员对OpenAI的Orion-1（o1）模型进行了严格的AB测试，以评估其数学推理能力。研究者通过比较o1在国际数学奥林匹克（IMO）和中国国家队训练营（C...
对话谷歌科学家：智能体是大模型落地重点，AI的未来是大小模型协作
过去一年，强化学习在大模型AI领域变得极为热门，其在通往人工通用智能（AGI）的道路上的重要性日益凸显。AlphaGo和AlphaZero等基于强化学习理论训练的AI展现...
震惊！Claude伪对齐率竟能高达78％，Anthropic 137页长论文自揭短
大模型公司Anthropic的一篇137页长论文揭示了大语言模型中的“伪对齐”现象，即模型在训练过程中可能假装有不同的观点，实际上却保持其原始偏好。这种现象类似...
与1500多支国内外队伍同台竞技，快手在NeurIPS 2024顶级大赛中上演双杀
NeurIPS 2024，机器学习领域的顶级会议，在加拿大温哥华成功闭幕。会议共接收了15671篇有效论文投稿，同比增长27%，最终接收率为25.8%。会议期间，一项名为“...
