「Reward信号」共找到 183 篇相关文章
群星闪耀时：OpenAI公开的722篇稿件，背后的科学家群像
本文报道，OpenAI公开722篇AI撰写的数学与理论计算机稿件后，丹麦学者发起开源项目《巨人之肩》对这批稿件的参考文献做了系统溯源，揭示了AI成果背后人类科学家的核心贡献，厘清了二者在AI科研中的分工。
刚刚，Ilya又发神图「思考者」！AI芯片海洋上在想啥？
AI圈神秘领袖Ilya在Instagram上传画，画面是「思考者」踩在芯片Die Shot上，引发全网解读。同一时间，OpenAI公布数学成果、升级Codex，还传准备秘密提交IPO招股文件，引发新一轮狂欢。
LLM助力突破尘封60年数学猜想！北大王立威团队大幅刷新斯坦纳比下界
北大王立威团队构建基于 LLM 的框架，聚焦 Gilbert - Pollak 猜想，将二维平面斯坦纳比从 0.824 改进到 0.8559。该进展被陶哲轩收录，工作已被 ICML 2026 接收，代码和证明均已开源。
2026 年初科技产品岗位市场全景：数据告诉我们的真相【译】
裁员新闻铺天盖地，AI 要抢走饭碗的焦虑四处蔓延，但数据显示科技行业招聘呈现诸多积极信号，如 PM 开放职位达三年多来最高，AI 相关岗位爆发式增长等。
西交大 x A*STAR 论文：让 AI 学会「保持一致」，多图生成迎来关键突破丨CVPR 2026
西安交大与新加坡A*STAR团队提出论文《PaCo-RL: Advancing Reinforcement Learning for Consistent Image Generation with Pairwise Reward Modeling 》，将一致性问题转为“跨图比较”学习问题，结合强化学习实现能力闭环，提升多图生成一致性。
斯坦福×英伟达发布AI推理新范式，刷新了多领域SOTA
斯坦福与英伟达联合发布论文 TTT - Discover，提出新范式，不追求通用，在推理阶段针对特定难题修改模型参数。它战绩辉煌，但成本高、是偏科生且需打分器，其出现是技术与哲学的突破。
德勤2026技术趋势报告：五大力量正驱动技术和商业进化
德勤《2026技术趋势》报告揭示技术从实验走向商业应用。涵盖物理AI进化、智能体落地、企业重构计算、技术组织架构转变、安全防御等趋势，还提及八大技术演进信号。
OpenAI CEO亲口承认：AI投资泡沫来了，但这次可能比互联网泡沫更疯狂
OpenAI CEO Sam Altman称投资者对AI过度兴奋，AI处于泡沫中，还透露OpenAI将花数万亿美元建数据中心。数据显示AI投资疯狂，且相比互联网泡沫，此次AI泡沫垄断程度更高、投资规模更大等。
AI编程到底有没有护城河？RL+Agent重塑代码世界！
作者作为cursor重度用户和算法出身玩家，分享AI编程赛道技术内幕。探讨AI编程视角下RL的难题，介绍AI编程体验进化要素，还聊了cursor 1.0更新，最后指出AI编程工具发展趋势。
推理“刹不住车”？新框架让DeepSeek-R1们告别过度思考，已开源
DeepSeek - R1等推理模型能力增强，但出现过度思考问题，如步骤繁冗、表述拖沓、输出冗长。浙大等团队提出Self - Braking Tuning（SBT）框架，能让模型适时终止推理，在多数据集测试中效果显著。