搜索：大模型强化学习

「大模型强化学习」共找到 8450 篇相关文章

首个基于 MCP 架构的低代码 RAG 框架

检索增强生成系统复杂度提升，科研人员面临高昂工程成本。清华大学等联合推出 UltraRAG 2.0，基于 MCP 架构，降低复杂 RAG 系统技术门槛与学习成本，支持低代码构建复杂系统。

Anthropic的Claude Code创建者Boris Cherny在访谈分享智能体编程未来看法，介绍用Claude Code开发它自身的方法，还谈及Claude Code发展、使用技巧及对编程工作未来变化的预测。

作者潜伏进AI自习室，发现其生意火热。AI学习机功能普通，价格却高，主要卖点是内置课程。AI督学职责是托管和销售。AI自习室盈利宣传有水分，实则钻政策空子赚教育焦虑的钱。

现在很多人标榜用 AI 写代码高效，贬低手搓代码。作者认为两者都是写代码的手段，不是目的，不能对立。并从多方面分析适合 AI 或手搓代码的场景，强调二者搭配使用能事半功倍。

前 Llama 推理负责人 Ross Taylor 在播客访谈中指出，AI 竞赛中的混乱和挖角是噪声，最终会被指数级算力淹没。他阐释了算力指数曲线决定竞赛天花板，强调系统性实验、高质量评估的重要性。

文章分析Nsight Compute中Compute Workload Analysis反映的Tensor Pipe Uti异常现象。通过实验和推算，发现ncu对L20 GPU上特定指令用错误执行延迟算指标，导致异常，还给出GEMM Kernel性能分析建议。

OpenAI 发布《GPT-5 prompting guide》，介绍新模型变化及使用方法。新增 `reasoning_effort` 和 `verbosity` 参数，还有 Responses API。Cursor 分享实战心得，同时提及控制 Agent 积极性、解决指令冲突等内容。

面对对抗攻击，现有防御方法多为‘被动防守’，遇上未知或自适应攻击时效果衰减。清华朱军团队在TPMAI 2025中提出主动防御框架REIN-EAD，通过与环境交互实现‘感知—决策—行动’一体化，实验效果佳。

清华大学研究团队发布论文，展示Hierarchical Reasoning Model（HRM）。该模型仅27M参数、1000个训练样本，在推理任务上击败OpenAI的o3 - mini - high，或改变AI发展方向。

作者解读 Manus 团队文章，结合自身理解总结出构建高效 Agent 的 7 个关键点，如依赖上下文工程、提升 Prompt 缓存命中率等，还给出总结与核心启示，对 Agent 开发有借鉴意义。