算法论文8

ARPO革新大模型强化学习，半量工具双倍效能

深度学习自然语言处理2025-08-02

AI 摘要

编辑部：大语言模型在多轮工具调用场景有局限，传统强化学习算法存问题。提出的ARPO通过量化token熵分布变化，在降低工具调用成本的同时提升性能，在多基准测试中表现出色。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

吴泳铭：千问将训练5-10万亿参数新模型

本文整理阿里CEO吴泳铭在2026杭州云栖大会的演讲，提出机器将成为思考主力，智能将成为规模化商品，公布阿里AI三大基石最新进展与目标

本文解读Jev和TierSense项目，提出将Agent判断层从大模型生成中拆分，交给专用轻量模型，介绍TierSense能力、实验数据，探讨专用判断模型优化Agent效率的新方向。

本文来自机器之心，爆料DeepSeek Harness流出未官宣官方桌面客户端，实测可正常使用，介绍了其界面、多种工作模式与内置插件，该版本为官方候选测试版，降低了普通用户使用门槛。

本文是百度百舸与SGLang联合Meetup的分享整理，讲解如何让Agent完成从瓶颈定位、Kernel修改到端到端验证的全流程SGLang性能优化，覆盖多类模型场景，公布实测性能提升数据与百度百舸的通信优化效果。