「RL后训练」共找到 3818 篇相关文章
00后MIT华人女生辍学创业，已融1.5个亿
00后华人女生Jessica Wu从MIT辍学，创立Sola Solutions，定位RPA界Copilot，获2100万美元融资。公司用LLM和计算机视觉构建自动化流程，已应用多行业，收入增长快。
微软 SkillOpt：不动模型权重，只训练那份「技能说明书」
微软研究院 Yifan Yang 等人推出 SkillOpt，思路反直觉，不动模型权重，把「技能文档」当可训练参数。它在 52 个组合中表现最优，技能可迁移，代码已开源，还支持多操作。
00后打造最强苹果开发Agent！刚刚，OpenAI打包收编
今天凌晨，Xcode最流行的编程Copilot插件Alex被OpenAI收编，团队加入Codex。Alex是Xcode亮眼插件，能实现自动化开发任务。其创始人是00后，经验丰富。OpenAI此举或为扩大在苹果生态影响力。
强化学习也能预训练？效果可提升20倍，华人新作引爆RL新范式!
伯克利团队提出新方法InFOM，不依赖奖励信号，能在多任务中超强迁移与推理。在36个基于状态和4个基于图像的任务测试中，InFOM表现出色，在jaco任务上改进达20倍。
让 Claude Code 在完事后，给你发条微信提醒
文章围绕让Claude Code完成任务后微信通知用户展开，介绍用hooks功能和虾推啥实现的详细步骤，还强调Claude Code是通用问题解决助手，发挥其作用需明确问题、提供思路和了解能力边界。
第二代AI预训练范式：预测下个物理状态
英伟达科学家Jim Fan发布文章《第二代预训练范式》指出，当前以LLM为代表的AI模型基于「对下一词的预测」，在物理世界应用中「水土不服」，第二代范式应是「预测下一个物理状态」，引发机器学习社区讨论。
行业首场丨00 后 Agent 应用创业者的行业观察
外滩大会智能体论坛举办全员 00 后的 Agent 主题圆桌。嘉宾探讨 2025 是否为 Agent 元年，还分享 Agent 应用方向、场景价值、落地卡点、AI Coding 发展及基模与垂直 Agent 关系等观点。
上班后重新开始练口语，并获得了价值感
作者分享上班后用AI练口语的经历，称能无痛坚持，还获得价值感。介绍了AI练口语比线上外教课的优势，如免费、时间灵活等，也分享利用AI练口语的方法，如选话题、当场学习等。
大厂离职后，白天是保安，夜里是 AI 创造者
本文讲述杨晨从大厂运营离职后成为保安，白天观察人间百态，夜里用AI搞创作。他用AI为家人、朋友做工具，还帮公司做定制化工作流，赚了点小钱。他也想记录普通人故事，认为大家可借AI改变生活。
拒绝Reward Hacking！港科联合快手可灵提出高效强化学习后训练扩散模型新范式
使用强化学习微调扩散模型时，常面临Reward Hacking和KL正则化阻碍探索收敛的问题。港科等团队提出GARDO框架，通过门控自适应正则化和多样性感知优化，解决痛点且全面开源。