「上下文强化学习」共找到 2074 篇相关文章
统计学和机器学到底有什么区别？
文章探讨统计学和机器学习的区别，指出两者目的不同，统计模型重推断关系，机器学习重预测。以线性回归为例说明差异，还澄清常见误解，表明机器学习基于统计学但涉及多领域，最后称选方法要看目标。
小扎又开源了：7B实现自监督学习SOTA
Meta发布全新开源视觉模型DINOv3，首次证明自监督学习模型能在广泛任务中超越弱监督学习模型。它用无标注方法，扩展数据和模型规模，支持标注稀缺场景，在多任务实现SOTA。
精打细算虾养成指南： 省 Token 和把 AI 用好，从来就是一件事
文章指出用AI时Token成本高、模型变笨，原因是上下文管理不善。介绍了省Token和用好AI的方法，如按需取上下文、明确约束、多智能体协作、按阶段切换模型等，核心是在合适时间将合适上下文装入合适模型。
长上下文快2.9倍，解码快6倍：Kimi 用线性注意力实现性能与效率双突破
月之暗面团队的Kimi Linear模型，是混合线性注意力架构，核心是Kimi Delta Attention模块。它解决线性注意力的记忆及遗忘问题，在多任务测试表现出色，还开源相关资源，推动高效长上下文模型研究。
9.1K Star 调参师集体失业！亚马逊造出机器学习“核弹”，3行代码打造高精度模型！
在机器学习普及的当下，自动化机器学习框架降低开发门槛。AutoGluon由AWS AI开发并开源，仅3行代码就能训练和部署高精度模型，支持多类型数据，有诸多亮点，已获9.1K Star。
Agent的自演进，被刚刚开源的AReaL 2.0按下了加速键
Agent 正从「会使用工具并完成任务」向「在使用中学习并改进方法」转变，但面临自演进难题。AReaL 2.0 上线，解决 Agent 服务侧问题，给出在线学习闭环方案，其价值已在实践中得到验证。
告别纯奖励试错！二次尝试+反思蒸馏，复杂任务提升81%
美国南加州大学和宾夕法尼亚大学团队提出新训练范式ERL，将「经验学习」引入强化学习，通过二次尝试和反思蒸馏，在复杂任务中性能显著提升，为构建长期自主智能体提供新思路。
Embedding黑箱成为历史！这个新框架让模型“先解释，再学Embedding”
来自多高校研究人员推出可解释的生成式Embedding框架GRACE，解决传统文本表征模型黑箱式表征瓶颈。它重新定义对比学习信号，含三个关键模块，训练双模式统一，实验跨任务提升且不损生成能力。
「Next-Token」范式改变！刚刚，强化学习预训练来了
微软新研究提出「强化预训练（RPT）」新范式，将下一个 token 预测任务重新定义为推理任务，可利用海量文本数据进行通用强化学习。该方法有可扩展性、低风险等优点，实验显示其提升了语言建模能力。
Nature重磅发文：深度学习x符号学习，是AGI唯一路径！
大模型虽惊艳，但权威认为仅靠神经网络难达人类级智能。符号AI曾被边缘化，如今‘神经–符号融合’升温。神经网络与符号算法各有利弊，业界探索出不同融合路径，不过对其能否通往AGI仍存争议。