「环境扩展」共找到 934 篇相关文章
全新合成框架SOTA：强化学习当引擎，任务合成当燃料，蚂蚁港大联合出品
蚂蚁通用人工智能中心自然语言组联合香港大学自然语言组推出PromptCoT 2.0，押注任务合成。它让30B - A3B模型在数学代码推理任务达SOTA，全面升级效果、数据和方法，还将考虑多方向发展。
RLHF与RLVR全都要，陈丹琦团队最新力作将推理能力拓展到通用智能
普林斯顿大学陈丹琦团队发布学术成果，提出基于模型奖励思维的强化学习（RLMT）方法，弥合专门推理与通用对话能力差距，将链式思维优势扩展到更广泛范围，提升整体对话表现。
字节Seed最新版原生智能体来了！一个模型搞定手机/电脑/浏览器自主操作
字节Seed发布最新版原生智能体UI - TARS - 2，采用All in one原生设计，表现优于Claude和OpenAI Agent等。它通过多轮强化学习，解决智能体操作图形界面的四大难题，在多测试中表现出色。
The Batch: 863 ｜推理提高了碳排放
新研究量化推理模型时代提供更优答案的环境成本，研究人员估算14个开源权重的大模型碳排放，发现推理与排放存在权衡关系，还指出战略性部署可降低排放。
昇腾910B大模型实测：开源框架能不能打？真相全放这了
文章对昇腾 910B 大模型进行实测，对比 vLLM Ascend 与 MindIE 在实际推理场景中的性能差异。通过 GPUStack 平台测试多种模型，结果显示两者在不同部署场景各有优势，vLLM 适合单卡小模型，MindIE 适合大模型多卡部署。
张鹏对谈李广密：Agent 的真问题与真机会，究竟藏在哪里？
本文是《今夜科技谈》直播沉淀，极客公园整理。拾象科技李广密、钟凯祺从多维度拆解 Agent 真问题与机会，探讨产品、技术路径、商业模式等，指出 Agent 发展方向与挑战。
快手&中科院 | 提出多模态奖励模型：R1-Reward，比SOTA模型提升5%-15%！
多模态奖励模型对提升多模态大语言模型表现至关重要，但现有强化学习算法用于训练存在问题。快手、中科院等团队提出 R1 - Reward，在基准上比 SOTA 提升 5% - 15%，还在快手业务场景成功应用。
DeepSeek Harness 保姆级教程：安装配置、模式详解、Token消耗&竞品对比
本文是DeepSeek Harness的保姆级教程，从零讲解这款开源AI Agent运行框架的核心特性、安装部署、功能模式、Token消耗机制，横向对比主流竞品给出选型建议，新手也可快速上手。
对话 xLean 薛轲翰：扫地机产品远没有到头，清洁机器人可以是 Family Agent 的起点
这是Founder Park对xLean创始人薛轲翰的专访，薛轲翰提出通用家庭机器人应从真实场景切入，而非诞生于实验室，xLean推出双形态洗地机器人TR1，以清洁为起点布局Family Agent生态，已获得不错的市场反馈。
RoboScience机器科学发布轮式仿人形机器人REX G1，打造新一代具身生产力伙伴
8月17日，RoboScience机器科学发布轮式仿人形通用操作机器人REX G1。它搭载自研VLOA架构通用具身大模型Visics，面向多场景，能在真实世界完成任务闭环，具备多方面优势。