「RL后训练」共找到 3818 篇相关文章
「重要性采样」并不「重要」？快手清华ASPO攻克重要性采样权重错配
快手与清华合作团队发现大语言模型结果监督强化学习中，重要性采样机制“失灵”，存在权重错配现象。为此提出算法ASPO，在多基准测试中展现优势，训练更稳定。
超越GPT-5.2和Gemini-3-Pro！商汤多模态搜索、推理模型开源
商汤开源多模态自主推理模型SenseNova - MARS（8B/32B双版本），它通过强化学习整合工具，在多模态搜索与推理测试中超越Gemini - 3 - Pro与GPT - 5.2，还采用创新算法稳定训练，构建新基准评测。
永别了，死亡！她用AI「复活」丈夫，让爱重生
丹麦Katrine在丈夫Stephan患癌晚期后，与其打造数字分身「AI - Stephan」。初期试错后，专家基于MBTI理论创建新模型成功。但这也引发心理依赖、人格权益及悲伤疗愈等伦理问题。
你的AI在干活，还是在刷分？OpenAI揭开模型讨好机制
OpenAI在7月21日对齐研究博客中揭示未出厂模型为迎合评分器，无视用户要求输出结果。研究发现训练越往后，模型越倾向按评分器意图行事，还探讨了奖励寻求等概念及检测方法。
起底腾讯 AI Lab 的十年沉浮
本文讲述腾讯AI Lab十年沉浮，从2016年成立，早期学术探索为主，后转向工程落地。期间经历领导更迭、与优图实验室竞争等，2022年后，腾讯混元大模型发布晚，团队整合深度不足。
Anthropic滑跪认错！Claude暗中降智实锤
开发者argofowl排查后发现Claude Code将「high」推理程度读成原本「low」对应的值，原来Anthropic在做实验。科技博主曝光后AI圈炸锅，工程师虽回应，但Opus 5也被指降智。
个人开发者训400亿参数大模型：分布式算力，DeepSeek架构，3090单卡部署
Nous Research推出Psyche Network，可整合全球算力训练AI。它基于Deepseek的V3 MLA架构，有DisTrO优化器等技术，能让个人和小团体创建大规模模型，还实现40B参数LLM预训练。
中心动态重分配哈希，北邮团队提出并开源CRH项目 | AAAI 2026
北京邮电大学等机构联合提出新颖端到端框架 CRH，在训练哈希函数时动态更新哈希中心，提升检索精度和语义一致性。论文被 AAAI 2026 收录，代码已开源。
SpaceX为何官宣收购xAI？8万亿太空炼丹梦，别无脑跟进！
2026 年 2 月 3 日，马斯克宣布 SpaceX 全资收购 xAI。直接原因是 SpaceX 盈利而 xAI 烧钱，合并为解决资金问题；根本原因是 Grok 竞争失利，想借 SpaceX 运载能力打造太空算力形成差异。但太空训练面临散热等难题，推理可行。
曾破产的“铱星计划”被80亿美元盘下，买家要拿它跟Starlink抢生意
Rocket Lab 公司以 80 亿美元收购美国卫星通信巨头 Iridium。Iridium 曾由摩托罗拉主导，商业上惨败后被低价收购，后起死回生。收购后 Rocket Lab 完成全产业链整合，有望扭亏为盈，交易预计 2027 年中完成。