标签：强化学习
为什么说DeepSeek的R1-Zero比R1更值得关注？
DeepSeek发布的R1-Zero和R1两个模型在ARC-AGI-1上的得分与OpenAI的o1系统低计算量版本相当，显示出纯LLM scaling的局限性。R1-Zero特别值得关注，因为它完全...
超全推理语言模型蓝图来了！揭开o1、o3、DeepSeek-V3神秘面纱
ETH Zurich等机构的研究人员提出了推理语言模型（RLM）的蓝图，旨在克服最先进RLM的高昂成本和专有特性带来的可访问性和公平性问题。RLM被视为AI领域的革命性...
追平多模态满血o1，kimi的新模型k1.5 破解了OpenAI的秘密？
随着年关的临近，大模型行业迎来了新一轮的热潮。DeepSeek和Kimi两大国产大模型相继发布，DeepSeek R1和Kimi k1.5，均对标OpenAI的o1模型。DeepSeek R1以其性...
DeepSeek R1来了，追平o1！它现在不但比OpenAI开放，也比它有活力
DeepSeek R1系列模型的发布标志着一项技术突破，该系列包括三个模型：DeepSeek-R1-Zero、DeepSeek-R1和小型密集模型。DeepSeek-R1-Zero通过仅使用强化学习（R...
Kimi、DeepSeek中门对狙？中外开发者大对比还暗讽OpenAI，DeepSeek新涌现被赞爆！
近期，Kimi和DeepSeek两大AI研究机构分别发布了各自的最新模型：Kimi的k1.5和DeepSeek的DeepSeek-R1系列。Kimi 1.5在Github上发布技术报告，获得不到300 star...
刚刚，阶跃星辰发布Step R-mini！推理模型从此不再文理偏科
阶跃星辰发布了其Step系列模型家族的首个推理模型——Step Reasoner mini（Step R-mini），标志着国内推理模型领域的一大进展。Step R-mini擅长规划、尝试和反...
清华团队靠强化学习让 7B 模型打败GPT-4o数学推理
清华大学NLP实验室联合上海AI Lab、清华大学电子系及OpenBMB社区提出了一种新的强化学习方法PRIME（Process Reinforcement through IMplicit REwards），该方...
仅用 8 张显卡和一万块钱，清华团队用7B模型打败GPT-4o数学推理
清华大学NLP实验室联合上海AI Lab、清华大学电子系及OpenBMB社区提出了一种新的结合过程奖励的强化学习方法PRIME（Process Reinforcement through IMplicit R...
强化学习之父 Rich Sutton 最新演讲：用「去中心化神经网络」应对深度学习局限性
在第六届国际分布式人工智能会议上，现代强化学习奠基人Richard S. Sutton教授提出了深度学习面临的挑战，包括灾难性遗忘、可塑性丧失和模型坍塌等现象，这些...
Anthropic联创：Scaling Law没崩，但推理成天价！有了TTT，25年AI更加速
Anthropic联合创始人Jack Clark近日发文反驳了关于AI发展已到达瓶颈的观点，他认为AI的发展还远远没有达到极限。Clark指出，OpenAI的技术秘诀并不是让模型变...
