标签：稳定性
RL训练总崩溃？R1-Reward稳定解锁奖励模型Long-Cot推理能力
多模态奖励模型（MRMs）在多模态大语言模型（MLLMs）的性能提升中扮演着关键角色，尤其在训练和评估阶段能够提供稳定的奖励信号。然而，尽管强化学习（RL）在...
从炒菜到缝针！斯坦福炒虾团队打造自主「AI达芬奇」，苦练神指当外科医生
斯坦福大学和约翰霍普金斯大学的研究团队开发了一种新的AI达芬奇机器人，通过模仿学习技术，使其能够自主完成基本的外科手术任务，如组织操作、针头处理和打...
国产模型人均「第一」太假？字节扣子模型广场竞技，全民投票！
在人工智能大模型的应用生态中，目前面临着稳定性与黑盒问题两大挑战。张老先生，一位拥有丰富业界经验的资深人士，对此表示担忧，他认为虽然舆论上看似发明...
神秘大模型一夜刷屏，能力太强被疑GPT-4.5，奥特曼避而不答打哑谜
一款名为“gpt2-chatbot”的神秘模型突然成为了大模型领域的焦点，其能力超越了包括GPT-4在内的多个开源模型。这款模型在解决问题和推理方面表现出色，例如能够...
拖拽P图技术又升级了：StableDrag更稳、更准，南大、腾讯联合打造
这篇文章介绍了一系列关于图像编辑的研究成果，其中包括了 DragGAN、DragDiffusion 和 StableDrag 三个项目。首先介绍了 DragGAN 项目，该项目通过拖拽鼠标实...
