「AI强化学习」共找到 10536 篇相关文章

开源动态7

3.1w颗星!一条命令,克隆任意网站

此项目只需给AI编程代理一个URL,就能将网站重建成Next.js应用。介绍快速开始步骤、支持平台、前置要求、技术栈、工作原理、常用命令及项目地址等。

GitHubStore
算法论文8

SeePhys Pro:重新审视多模态物理推理中的视觉理解与训练收益

来自中山大学等的研究者提出SeePhys Pro,是面向多模态物理推理的细粒度评测与训练诊断框架。发布了benchmark、训练集等,测评显示当前模型在信息模态转变时不稳定,为模型评测和训练研究提供基础。

AI科技评论
新闻资讯8

「10万小时人类数据」不搞对齐只靠规模,灵初智能Psi-R2登顶MolmoSpaces!

4月10日晚,灵初智能发布大模型、数据集与合作计划,包括策略模型Psi - R2、世界模型Psi - W0及近10万小时人类操作数据。其未走花哨对齐路线,靠系统协同,在MolmoSpaces评测中表现优异,体现自主研发路线先进性。

机器之心
新闻资讯7

中美服务器CPU供不应求

受AI算力需求增长驱动,存储芯片自2025年进入“超级牛市”。2026年服务器CPU也供不应求,英特尔和AMD考虑提价。缺货因云厂商抢货及厂商供需错配,相关芯片股走强。

芯师爷
新闻资讯7

功耗激增下的芯片危机,半导体行业如何破局?

人工智能发展带来巨量能耗,芯片功耗激增引发危机。英诺达创始人王琦指出当前问题,英诺达推出功耗解决方案。他还探讨AI在EDA应用,提出国产EDA发展策略,强调坚持等待质变。

芯师爷
推荐文章8

科普向:一文解构大模型后训练,GRPO和它的继任者们的前世今生

文章深入解读大模型后训练,先对比 PPO 与 GRPO,指出 GRPO 优势及成本问题。又介绍 GRPO 后续改进算法,如 DAPO 解决训练问题、GSPO 提升训练稳定性、GFPO 可优化多属性,还提及 GRPO 其他缺陷。

机器之心
开源动态8

公开模型一切,优于DeepSeek-R1,英伟达开源Llama-Nemotron家族

英伟达推出面向高效推理的 Llama-Nemotron 系列模型,包括 Nano、Super、Ultra 等规模,具备卓越推理能力与效率,采用开放许可。模型支持动态推理切换,训练结合多方法,性能优于 DeepSeek-R1 等。

机器之心
新闻资讯8

2025年4月17日消息,OpenAI 连发o3和o4 mini,o3为强大推理模型,o4-mini专为高效推理优化。它们能调用ChatGPT工具,可基于图像思考。OpenAI还开源本地代码智能体Codex CLI,兼容所有模型。

鱼羊
开源动态8

开源多模态推理「破壁」时刻:MMFineReason助力4B逆袭30B

长期以来,开源多模态模型在复杂推理任务上与顶尖闭源模型有差距,核心痛点是高质量推理数据匮乏。上海AI实验室OpenDataLab团队开源MMFineReason框架及大规模数据集,小模型凭此实现性能逆袭。

机器之心
新闻资讯7

扩散不死,BERT永生!Karpathy凌晨反思:自回归时代该终结了?

苹果前员工Nathan Barry得出BERT本质是文本扩散一步的结论,将表示学习算法改造成生成算法。OpenAI创始员工Karpathy对此沉思,认为生成逻辑在LLM架构中可变。实验证明RoBERTa可转为生成引擎。

新智元