「规模化RL」共找到 409 篇相关文章
LLM学习笔记：最好的学习方法是带着问题去寻找答案
文章总结拓展Andrej Karpathy教学视频，分析大模型聊天流程与原理，介绍LLM训练步骤，包括预训练、后训练和强化学习，还提及主流特性应用，如文件上传、网络搜索，强调带问题学习的重要性。
Anthropic创始人行动手册：打造一家AI-Native创业公司（附36页中文PDF）
Anthropic上周发布《创始人行动手册》，介绍AI时代打造AI - Native创业公司的方法。手册按创业四阶段展开，阐述各阶段目标、挑战及Claude工具的使用，还给出资源、案例和创业支持信息。
明略科技吴明辉：企业级Agent的“精度陷阱”与人机协同重构之路
2025 年 12 月 19 日，明略科技创始人吴明辉在 AICon 大会分享《可信 Agent 的规模化之路》。他指出企业级 Agent 存在“精度陷阱”，建议重新设计人机分工，让 AI 执行 Task，人定义目标、校验结果、审计逻辑。
嚯，具身智能和脑机接口在康复医疗合体了
在第二届傅利叶具身智能生态峰会上，CEO顾捷宣布给康复患者戴脑机接口设备，让机器人依脑电信号辅助康复训练。还启动“脑机具身·数据引擎联合创新计划”，圆桌环节嘉宾探讨技术影响与应用。
燃尽、重启、爆火：Clawdbot 创始人的 35 分钟访谈实录
本文是 Clawdbot 创始人 Peter Steinberger 的访谈实录。他曾经营 PSPDFKit 13 年，后经历三年倦怠期。2024 年受 Claude Code 启发，10 天做出 Clawdbot，几周内 GitHub 星标近 9 万。还谈及模型看法、改名风波及产品前景等。
一周对战2500万局，这些「AI假人」让人类游戏玩家破防了
2025年巨人网络《超自然行动组》成黑马，新玩法中游戏怪物“假人”接入AI大模型。上线一周参与近2500万场对局，成国内首个深度融合AI大模型并规模化落地的大DAU游戏。
开盘大涨416%，市值近3000亿元，“国产GPU第一股”今日上市
12月5日，“国产GPU第一股”摩尔线程登陆A股，开盘大涨416%，市值近3000亿。它成立五年成国内代表企业，有全栈自研能力。不过，也面临国际巨头、国内竞品、供应链等挑战，且尚未盈利。
DPO与GRPO谁更胜一筹？港中文、北大等联合发布首个系统性对比研究
港中文、北大等团队首次全面对比DPO和GRPO算法在自回归图像生成中的应用，评估其在域内、域外性能，探究奖励模型及扩展策略的影响，为开发高效RL算法提供新思路。
Claude 4如何思考？资深研究员回应：RLHF范式已过，RLVR已在编程/数学得到验证
Anthropic两位研究员在博客采访中透露Claude 4思考细节。提到可验证奖励强化学习RLVR在编程和数学领域获证明，探讨了RL扩展、模型自我意识等，还为大学生给出AI领域建议。
AI正在重塑商业，信任决定未来商业能走多远丨Visa大中华区总裁张文翊
Visa大中华区总裁张文翊认为，AI正重塑商业，智能体改变商业决策，信任决定其规模化。文章阐述AI重塑商业的三个转变、需关注的三个关键词，点明中国市场重要性及Visa探索方向。