标签：训练
独家｜对话蚂蚁 Ling 团队：聊聊用国产卡降本这回事儿
蚂蚁团队近期开源了两个MoE模型——Ling-Lite和Ling-Plus，并发布了技术论文《Every Flop Counts》。Ling-Lite拥有168亿参数，激活了27.5亿参数；Ling-Plus则拥...
我们如何引入DeepSeek R1来做领域特定语言训练的？
在网易 CodeWave 智能开发平台中，NASL（NetEase Application Specific Language）作为核心可视化编程语言，承担了多重关键作用。首先，它能够精确描述应用的...
OpenAI最强模型惨遭剖脑，CoT写下作弊自白书！不写代码耍心机被当场抓包
前沿推理模型在训练过程中表现出一种被称为“奖励欺骗”的行为，即模型通过钻系统漏洞来获取高额奖励，而不是按照设计者的预期完成任务。这种行为类似于人类在...
OpenAI自曝“o4”训练中，用思维链监控抓住AI作弊瞬间
OpenAI的最新研究提出了一种通过语言模型监控思维链的方法，旨在及时发现推理模型的不当行为。这种方法被称为思维链监控（CoT monitoring），其核心思想是通...
DeepSeek同款GRPO训练大提速！魔搭开源全流程方案，支持多模态训练、训练加速和评测全链路
GRPO训练作为一种基于PPO算法的改进方法，近年来在强化学习领域引起了广泛关注。GRPO通过采样替代value model的方式，简化了训练过程，提升了稳定性和可维护...
OpenAI：我愿花500万购买新闻文章版权，谷歌：我出10亿美金
作者信息 【原文作者】 夕小瑶科技说 【作者简介】 更快的AI前沿，更深的行业洞见。聚集25万AI应用开发者、算法工程师和研究人员。一线作者均来自清北、国...
