「奖励信号」共找到 383 篇相关文章
ROLL：面向大规模语言模型的高效强化学习框架
本文介绍阿里推出的ROLL强化学习框架，专为LLM训练优化。它设计灵活，不同用户可用其满足业务、探索或线上指标需求。在多任务训练中性能出色，还采用创新机制提升效率，支持自定义操作，适合学术和业务场景。
别跟LLM太交心！斯坦福新研究：AI不能完全取代人类心理治疗师
斯坦福大学研究团队测试流行AI模型及商业化AI治疗平台，发现AI治疗师存在根本缺陷与潜在危险，如歧视回应、无法危机干预、谄媚等，但也认可其在心理健康方面的辅助用途。
视觉感知RAG × 多模态推理 × 强化学习 = VRAG-RL
数字化时代视觉信息愈发重要，传统RAG方法处理视觉信息面临挑战。阿里巴巴通义实验室的VRAG - RL将强化学习引入多模态智能体训练，革新检索生成范式，提升视觉语言模型多方面能力，代码已开源。
北大校友，OpenAI前安全副总裁Lilian Weng最新万字博客文章：Why We Think
北大校友Lilian Weng新发布万字博文《Why We Think》，系统梳理让AI模型‘多想一会儿’的前沿方法及逻辑，深入剖析多种机制突破AI性能瓶颈的理论、技术与进展，还提出一系列待解决的开放性问题。
a16z办了一所学校，专招18岁的天才，他们是学生、员工和投资标的
硅谷知名风投a16z创办面向18岁左右年轻天才的学院，首年免学费，不颁发正规学位，未来将收取与顶尖私立大学相当的学费。本文剖析该项目背后风投提前争抢AI顶尖人才的产业逻辑与商业模式争议。
造火箭的辞职去放牛，彼得·蒂尔花20亿美元押注一个AI牛项圈
彼得・蒂尔领投20亿美元融资给Halter公司的AI牛项圈。项圈能追踪牛的多项数据，有虚拟围栏功能。此外，何同学为粉丝做找牛系统，日本团队开发分析鸡情绪的AI系统。
Claude一夜杀入Excel和PPT，暴击微软Copilot！永久记忆血洗软件业
Anthropic发布Claude for Excel与Claude for PowerPoint重大更新，实现跨文件全上下文共享，以研究预览形式面向付费用户。还引入「技能」「指令」功能，能与微软Copilot协同，已超OpenAI成美企首选。
Open Responses 规范实现智能体式 LLM 工作流的统一
OpenAI发布Open Responses开放规范，获Hugging Face等支持，为智能体式AI工作流制定统一标准，减少API碎片化，支持多模态输入等，引发行业对厂商锁定和生态成熟度的讨论。
3.9k星星爆火硬件开源，用Wi-Fi实现室内人体活动检测。
智能家居有诸多需求待解，如家庭安防、老人看护等。ESPectre开源项目用Wi-Fi检测室内人体移动，无需摄像头和红外传感器，配件成本低，利用Wi-Fi信道状态信息及高效算法实现功能。
6款小游戏难倒所有顶级VLM！愤怒的小鸟让它们全军覆没，性能不如随机猜测
淘天集团未来生活实验室提出首个系统性评估多模态大模型（VLM）交互式物理推理能力的综合基准DeepPHY。它集成六个物理环境，对17个主流VLM测试，揭示其在物理交互等方面短板。