搜索：判别式监督学习

「判别式监督学习」共找到 1451 篇相关文章

AI大模型开发核心技术栈：从框架到部署的全景解析

本文为开发者提供2025年AI大模型开发核心技术栈图谱，解析四大核心支柱技术。基础开发框架含深度学习与AI Agent框架；模型训练与微调有分布式训练、参数高效微调；推理优化含关键技术与主流框架；AI编程辅助工具分主流形态且有发展趋势。

大型语言模型的监督微调（SFT）简单高效，但泛化能力弱于强化学习（RL）。本文直击 SFT 核心缺陷，揭示其泛化瓶颈源于隐含的“病态奖励结构”，并提出仅需单行代码修改的动态微调（DFT），实验表明其效果显著。

儿童剧本杀教育的兴起，不仅为孩子们提供了一种新颖的娱乐方式，也带来了教育的新机遇。它通过沉浸式体验，让孩子们在玩耍中学习历史，培养兴趣，同时满足了市场对创新教育内容的需求。

五源资本发起“72小时AI生存挑战”，浙大学生区瀚楠、陈睿轩参与。他们在封闭房间用AI工具生存72小时，先搭建Agent购得物资，后尝试用AI赚钱未成功。此活动灵感源于99年“72小时网络生存测试”。

LLM时代，RAG成知识密集型任务标准范式，但处理长上下文时面临延迟高、内存贵问题。Meta超级智能Lab针对RAG特殊结构优化，提出REFRAG框架，有独特训练策略，实验效果显著。

MIT《2025年商业AI现状》报告显示，企业投300 - 400亿美元在GenAI，95%项目零回报。揭示企业AI工具糟糕的原因，指出影子AI经济现象，点明钱花错地方，还阐述成功企业做法及未来趋势。

OpenAI研究员指出传统基准测试难衡量AI实际效用。复旦大学与字节跳动等团队提出全新评测范式EvaLearn，以连续问题求解为核心，构建问题并设评分标准，对九个前沿大模型研究有诸多发现。

传统RLHF依赖人工标注偏好数据训练奖励模型，成本高且难扩展。本文发现任何通过Next - token预测训练的LLM内部隐含通用奖励模型，从理论和实验证明其可高效实现模型对齐。

过去一个多月，机器人学习风向生变。清华李健雄团队围绕机器人学习等研究多年后成立本溯智能创业。他们认为当下主流技术路线有问题，押注In - Context Learning，让机器人端侧自进化，降低部署成本。

Anthropic推出新技能Claude Skills，作者认为它会引导第三方工具形态。Skills结合笔记式形态、可执行工具与AI调度自优化，具备低门槛、灵活表达等优势，还实现了AI自我进化，是一种新范式。