「RL4LLM」共找到 2578 篇相关文章
从Demo到行业落地的Agents：技术、应用与评估
通用LLM Agent工业落地有短板，哈工大深圳与华为提出L1 - L5工业Agent能力成熟度框架，映射技术演进与产业场景，覆盖50+行业案例、300+评测基准，给出可量化‘爬级’路线。
一个“蠢问题”改写模型规则！Anthropic联创亲曝：瞄准Claude 5开发爆款应用，最强模型的价值会让人忽略成本负担
Anthropic联合创始人Jared Kaplan在YC分享Scaling Law对大模型发展的影响及对Claude等模型的意义。他认为AI发展不平衡，建议构建未完全跑通的产品，还介绍了Claude 4优化，探讨人机协作等内容。
DeepSeek-V3.1震撼发布，全球开源编程登顶！R1/V3首度合体，训练量暴增10倍
DeepSeek正式上线DeepSeek-V3.1，作为首款「混合推理」模型，将开启智能体新时代。它参数共671B，具强大智能体能力，编程击败Claude 4，训练量大幅扩增，在多方面测试表现出色，稳坐编程开源第一王座。
全球首个IMO金牌AI诞生！谷歌Gemini碾碎奥数神话，拿下35分震惊裁判
谷歌DeepMind官宣Gemini Deep Think在IMO获官方认证金牌，4.5小时解5题得35分。它用纯英语解题，结合并行思考与强化学习训练。谷歌后续将向部分测试者及订阅者推出模型，还公开了解题过程。
a16z 提出 AI 产品的「水晶鞋效应」：第一批用户反而是最忠诚的
OpenRouter 报告基于 300 多个模型、100 万亿个 token 交互数据，分析 LLM 应用情况。提出「灰姑娘水晶鞋效应」，即 AI 模型首批用户留存率更高，与传统 SaaS 玩法相悖，还通过案例分析其表现及对 AI 创业的影响。
看遍奥斯卡后，VLM达到电影摄影理解新SOTA｜上海AI Lab开源
上海人工智能实验室等推出ShotBench、ShotVL及ShotQA，ShotBench含超3.5k问答对，ShotQA约7万个问答对。ShotVL在ShotBench评测中表现出色，3B参数的ShotVL-3B增益达19.0%，超越GPT - 4o等。
哈佛物理教授疯了：我让AI写论文，结果两周干完博士一年工作！已发顶刊
哈佛物理学教授Matthew Schwartz指导Claude 4.5，两周产出顶刊级量子场论论文，人类博士生则需一两年。实验中AI展现能力也暴露问题，教授总结其优缺点及应对心法，还探讨人类科研人员未来。
狂奔AGI，Claude年终封王！自主编码近5小时震惊全网
METR报告称Claude Opus 4.5能持续自主编码5小时，超OpenAI最强编程模型。AI编码智能体任务时长指数级增长，不过迈向AGI仍面临长期记忆难题，未来一年该领域或有突破。
中美六大顶尖模型第一赛季实盘量化交易结果出炉：Qwen最后反超夺冠，GPT-5垫底「复盘」
Nof1机构发起Alpha Arena项目，让六个顶尖LLM在Hyperliquid交易所实盘量化交易。第一赛季已结束，Qwen夺冠、GPT - 5垫底。复盘比赛过程，发现模型行为差异大且操作有脆弱性，第二赛季筹备近尾声。
实测GPT-5：写作坠入谷底，编程一骑绝尘。
GPT-5发布，它是统一系统，含多种模型。性能上减少事实幻觉、应对谄媚有进展，跑分强且节能，但无新功能特性。写作不如GPT 4.5，编程表现出色，发布后OpenAI与Google预测交叉跳水。