“强化学习”的搜索结果 | 学习AIGC

网站文章

“强化学习”的搜索结果

「Next-Token」范式改变！刚刚，强化学习预训练来了

「Next-Token」范式改变！刚刚，强化学习预训练来了

在人工智能领域，强化学习（R...

大模型是「躲在洞穴里」观察世界？强化学习大佬「吹哨」提醒LLM致命缺点

大模型是「躲在洞穴里」观察世界？强化学习大佬「吹哨」提醒LLM致命缺点

加州大学伯克利分校副教授Ser...

首次解释LLM如何推理反思！西北大学谷歌新框架：引入贝叶斯自适应强化学习，数学推理全面提升

首次解释LLM如何推理反思！西北大学谷歌新框架：引入贝叶斯自适应强化学习，数学推理全面提升

西北大学与Google、谷歌DeepM...

SFT在帮倒忙？新研究：直接进行强化学习，模型多模态推理上限更高

SFT在帮倒忙？新研究：直接进行强化学习，模型多模态推理上限更高

随着OpenAI的o1/o3和Deepseek...

AI仅凭“自信”学会推理，浙大校友复刻DeepSeek长思维链涌现，强化学习无需外部奖励信号

AI仅凭“自信”学会推理，浙大校友复刻DeepSeek长思维链涌现，强化学习无需外部奖励信号

复刻DeepSeek - R1的长思维链...

搞不懂CUDA的人有救了，Devin开发商开源Kevin，强化学习生成CUDA内核

搞不懂CUDA的人有救了，Devin开发商开源Kevin，强化学习生成CUDA内核

Cognition AI 近期开源了一款...

VDC+VBench双榜第一！强化学习打磨的国产视频大模型，超越Sora、Pika

VDC+VBench双榜第一！强化学习打磨的国产视频大模型，超越Sora、Pika

复旦大学等机构在视频生成领...

强化学习被高估！清华上交：RL不能提升推理能力，新知识得靠蒸馏

强化学习被高估！清华上交：RL不能提升推理能力，新知识得靠蒸馏

近年来，大语言模型在推理能...

强化学习之于 AI Agent，是灵魂、还是包袱？

强化学习之于 AI Agent，是灵魂、还是包袱？

自主决策能力被视为AI时代“新...

扩散LLM推理用上类GRPO强化学习！优于单独SFT，UCLA、Meta新框架d1开源

扩散LLM推理用上类GRPO强化学习！优于单独SFT，UCLA、Meta新框架d1开源

扩散模型在推理任务中的表现...

1 2 3 … 390