「奖励学习」共找到 1497 篇相关文章
专访火思动力Kevin Ding：未来选择Agent，要看它过去三十天学会了什么｜甲子光年
本文是对火思动力创始人Kevin Ding的专访。他指出当下Agent会工作但不会成长，而如今市场需求、技术条件和数据供给成熟，可开展持续学习。他还阐述了后训练、产品应用、商业化等方面观点。
转载 | 鄂维南院士：关于推动AI从工程化走向科学化的一点思考
鄂维南院士探讨推动AI从工程化走向科学化。回顾AI先驱，指出基础理论滞后致发展起伏、大模型开发依赖经验。介绍AI主要方法，分析深度学习基础理论问题，强调从系统角度看待AI，认为已到科学化转折点。
这个情人节，AI深吻Math！国产RL系统多维突破300年亲吻数难题
2月14日情人节，上智院等联合研发的PackingStar强化学习系统，在多维度刷新亲吻数与广义亲吻数纪录，实现数学结构领域多维度、系统性突破。它将复杂几何问题转化为可训练游戏，成果获权威认可。
用AI深读100本书，太上头了~
国外开发者Pieter让Claude深读100本非虚构类书籍，用AI‘深化’阅读。AI能在书间找联系，还生成奇葩分类并挖出洞见。实验带来三个启发，还给出低成本复制思路，强调学习要让知识建立连接。
Meta刚刚开源DINOv3，横扫60+任务，无标注封神！
今天凌晨，Meta开源视觉大模型DINOv3，采用自我监督学习，无需标注数据。它在60多个视觉任务测试中表现出色，超越同类模型。还引入后处理优化策略，扩展应用场景，能适应多种部署环境。
深度解读 AGI-Next 2026：分化、新范式、Agent 与全球 AI 竞赛的 40 条重要判断
文章总结了 AGI-Next 2026 活动上核心观点。指出模型分化是趋势，有 To B 和 To C 等场景差异；自主学习是新范式；模型即 Agent，Agent 即产品；还分析了中美 AI 竞赛的现状与挑战。
重磅！DeepSeek R1论文经过同行评议登上Nature封面，梁文锋作为通讯作者再次创造历史
DeepSeek R1论文《DeepSeek - R1 incentivizes reasoning in LLMs through reinforcement learning》登上Nature封面，梁文锋为通讯作者。它是首个经同行评议的有全球影响力的LLM，训练成本低，创新使用‘纯粹强化学习’方法，启发众多研究。
清华刘洋团队论文：揭示为何 70B 的医疗模型，反而不如 8B 会问诊丨ILCR 2026
在医疗AI领域，模型静态评测与临床问诊能力存在断层。清华刘洋团队提出DOCTOR - R1，将临床问诊建模为POMDP，用强化学习训练。实验验证了其有效性，对医疗AI发展有深远启示。
苹果港大终结自回归时代？7B扩散模型发布，AI写代码逻辑彻底颠覆！
苹果联合港大开源扩散大语言模型DiffuCoder，用扩散模型+强化学习策略，性能提升4.4%。研究还提出耦合梯度奖励策略优化方法，建立原生RL训练框架，探究了dLLM的生成机制等问题。
微软开源3大突破AI Agent模型，仅140亿参数超越DeepSeek-R1
微软研究院开源AI Agent推理模型rStar2-Agent，140亿参数在多测试超6710亿参数的DeepSeek-R1。其通过智能体强化学习，在训练基础、算法、流程上有三大突破，显著提升性能且降低算力成本。