「人类反馈强化学习」共找到 1980 篇相关文章
谷歌实验室推出了 Opal，一个用于创建 AI 迷你应用程序的可视化平台
谷歌实验室推出实验性无代码工具 Opal，可让用户通过自然语言和可视化编辑器创建 AI 小应用。它支持两种交互模式，开发完成后能分享链接。开发者关注其与微软产品竞争前景。
吴恩达分享AI开发项目快速实践大法
吴恩达指出很多AI开发者总觉得没时间开始构建应用，他给出的解决办法是把项目范围缩小，直至能在一小时内完成。他还分享周末项目实例，说明削减范围实践的好处。
这个推理模型：HRM ，只用2700万参数，超越了DeepSeek和Claude
Sapient Intelligence研究者受大脑机制启发提出分层推理模型HRM，它是全新循环架构，仅2700万参数、1000个训练样本，就在复杂推理任务上表现卓越，还引入近似梯度等方法，有推动通用计算变革潜力。
Sam Altman最新博文！温和的奇点
OpenAI CEO Sam Altman在新博客《The Gentle Singularity》中探讨AI进步远超想象时世界的变化，提及AI将在多方面做贡献，还给出未来几年AI发展预测，指出要解决安全和对齐问题。
图灵奖得主 Yoshua Bengio 智源大会最新演讲：关于AI，我改变了信念，也改变了研究方向
2025年6月6日，图灵奖得主Yoshua Bengio在第七届智源大会发表演讲。他目睹前沿AI行为演化后深感警觉，决定调整科研方向以降低AGI潜在风险，还分享AI“求生”案例，提出构建“科学家AI”新理念。
刚刚！OpenAI正式官宣调整公司结构：奥特曼发全员信承认AGI会由多家公司实现
OpenAI宣布调整公司结构，非营利组织继续控制，盈利实体转型公益企业（PBC），采用常规股权结构，非营利组织成PBC大股东。Sam Altman称这非出售，是结构简化调整，目标是让AGI惠及全人类。
DeepSeek-R1发布后的100天复现之旅方法总结
DeepSeek团队发布「推理大模型」DeepSeek-R1 ，其技术细节未完全开源，全球研究团队开启“复现竞赛”。论文总结100天复现经验，介绍推理大模型与普通大模型区别、复现方法、关键发现及未来方向。
突发，Claude首破黎曼猜想新纪录！
Anthropic让内部研究版Claude证明「黎曼猜想」失败，但它将符合猜想的黎曼Zeta函数零点比例下限从41.6%提升到67.2%。此成果意义重大，标志AI进入开放数学研究。
太意外！教皇和Anthropic创始人，要联袂开发布会
5月26日，教宗利奥十四世将发布通谕《Magnifica Humanitas》聚焦「AI时代对人的保护」，Anthropic联合创始人Chris Olah受邀。梵蒂冈同步成立AI委员会。但有人质疑这是道德外包或公关道具，全球也缺乏有效约束AI发展的机制。
SeePhys Pro：重新审视多模态物理推理中的视觉理解与训练收益
来自中山大学等的研究者提出SeePhys Pro，是面向多模态物理推理的细粒度评测与训练诊断框架。发布了benchmark、训练集等，测评显示当前模型在信息模态转变时不稳定，为模型评测和训练研究提供基础。