标签：强化学习
阿里开源新模型：媲美DeepSeek-R1，参数大降20倍！
阿里巴巴近日开源了其最新的大模型QwQ-32B，该模型支持Apache 2.0开源协议，允许商业化使用。QwQ-32B在多个主流测试基准中表现优异，能够与DeepSeek的R1-671B...
图解 DeepSeek-R1
DeepSeek-R1 是人工智能领域的一个重要进展，特别是在机器学习研发社区中引起了广泛关注。该模型的核心特点在于其开放权重设计以及借鉴了 OpenAI O1 推理模型...
狂揽1.3亿美金！AlphaGo大神组队Gemini大牛，用RL打造超级智能，英伟达抢投
由DeepMind资深研究员Ioannis Antonoglou和Gemini核心贡献者Misha Laskin联合创立的Reflection AI，近日宣布完成1.3亿美元融资，估值达到5.55亿美元。这家初...
强化学习成帮凶，对抗攻击LLM有了新方法
威斯康星大学麦迪逊分校的研究团队最近发现，强化学习可以被用于实施黑盒逃避攻击，即通过生成对抗样本来欺骗机器学习模型。这一发现揭示了强化学习在攻击AI...
阿里千问QwQ-32B推理模型开源，比肩671B满血DeepSeek-R1！笔记本就能跑
阿里最新发布的QwQ-32B推理模型，凭借320亿参数的表现，成功追平了当前公认的最强开源模型DeepSeek-R1（6710亿参数），并在多项基准测试中超越了o1-mini模型...
阿里开源QwQ-32B，性能比肩R1。这是一次压倒性的创新。
阿里巴巴最新发布的推理模型QwQ-32B，以其320亿参数的规模，展现了与6710亿参数的DeepSeek-R1相媲美的性能。这一突破意味着，在更小的设备上运行更强大的推理...
全球首次！2B复现DeepSeek-R1「啊哈时刻」，UCLA等用纯RL实现多模态推理
由UCLA等机构组成的研究团队在全球首次实现了在20亿参数的非监督微调模型上进行多模态推理的突破，这一成果被称为DeepSeek-R1的「啊哈时刻」。研究团队在未经...
超越人类！DeepMind强化学习新突破：AI在「我的世界」中封神！
DeepMind研究团队通过改进基于Transformer世界模型的强化学习技术，在Craftax-classic游戏中实现了AI智能体对人类的超越。该智能体仅需100万步环境交互即可获...
DeepSeek关键RL算法GRPO，有人从头跑通了，贡献完整代码
总结来说，需要确认标签是否符合字数限制，并且摘要是否全面且符合格式要求。如果有错误，需要进行修正。
OpenAI Deep Research专访：Agent 的未来是端到端、强化学习微调
OpenAI Deep Research 和 Grok Deep Search 展示了人工智能在复杂任务处理上的重大突破。推理模型经过强化学习端到端训练后，处理复杂任务的能力有了质的飞跃...
