刘壮陈丹琦开源视觉推理RL框架Vero

量子位2026-04-11

AI 摘要

普林斯顿刘壮团队、陈丹琦参与推出Vero框架。它基于60万样本数据集，有任务路由奖励机制，单阶段强化学习激发推理能力，无“思考”数据就刷新SOTA，且已开源。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

开源Edge0：2.5G跑350亿大模型

本文介绍了获6.1k GitHub Star的开源流式MoE推理框架Edge0，该框架通过SSD专家卸载、路由预测和Recover-LoRA技术，仅需2.5G内存即可运行350亿参数大模型，支持多平台部署运行。

本文是InfoQ编译的科技播客访谈，Reflection AI由前Google DeepMind Gemini团队成员创立，近期发布了5010亿参数的开放大模型Beam，主打编程、推理和智能体任务，发布一周后传出英伟达拟收购该公司的消息，访谈中分享了对开放模型诸多问题的观点。

本文报道九章云极言表实验室在陶哲轩发起的数学蒸馏挑战赛第二阶段拿下全部赛道满分，解决28个未解决开放数学问题，介绍了其可验证AI+强化学习的AI4S布局。

本文结合EchoRL、ReflectRL两项最新研究，重新解读推理轨迹的训练价值，解决全答对无强化信号、错题全丢弃的训练痛点，梳理方法设计、实验结果与适用边界，为大模型推理训练提供新参考。