算法论文8

港中文等：DPO与GRPO图像生成对比研究

机器之心2025-06-19

AI 摘要

港中文、北大等团队研究发现，DPO在域内任务表现优，GRPO域外泛化强；DPO对奖励模型更敏感；GRPO扩展采样图像数提升域内性能，DPO扩展域内数据能兼顾内外表现。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

平均6天一个新旗舰大模型卷疯了

本文梳理全球大模型厂商的旗舰发布节奏，统计显示当前平均每6天就诞生一个新旗舰，AI辅助研发加速迭代，带来开发者适配难、评测体系跟不上等问题。

本文报道Anthropic的Claude攻克理论物理前沿难题，成功算出平面N=4超杨-米尔斯理论六粒子振幅的九圈结果，打破人类此前保持的八圈纪录，计算成本仅几千美元，展示了大模型在科研领域的突破性能力。

香港科技大学（广州）与微软亚洲研究院联合开源基于大语言模型的AI情商教练SocialCoach，支持用户在低风险模拟环境练习社交对话，练后提供逐字点评，可在线体验或本地部署，采用Apache 2.0协议可完全商用。

本文是花叔对Anthropic工程师Claude提速复盘的深度拆解，公开了Anthropic用AI辅助做产品性能优化的完整方法，花叔还实战验证了这套方法，整理出可复用的「闪电.skill」工具开源放出。