标签：强化学习
前Meta大神创业，用强化学习打造PokeeResearch-7B模型，刷新AI深度研究SOTA
Pokee AI近期发表的论文《借助基于AI反馈的强化学习和稳健推理框架实现高效深度研究》展示了其70亿参数模型PokeeResearch-7B的突破性表现。该模型通过创新的...
Meta用40万个GPU小时做了一个实验，只为弄清强化学习Scaling Law
在大型语言模型（LLM）领域，强化学习（RL）的算力扩展正成为关键研究范式，但其扩展规律尚未明确。Meta等机构的研究者通过40万GPU小时的实验，提出了可预测R...
Hassabis官宣用AI点燃「人造太阳」！无限能源时代加速到来
Google DeepMind与全球商业聚变能源公司CFS宣布合作，共同利用人工智能加速核聚变能源的开发。这一合作标志着AI技术正式进入核聚变科研的核心领域，旨在推动...
波士顿动力狗gogo回来了！“五条腿”协同发力
波士顿动力人工智能研究所的最新研究展示了机器狗Spot在动态全身操作任务中的突破性表现。Spot仅用3.7秒就能搬起重达15公斤的轮胎，相当于其自身重量的一半，...
蚂蚁开源万亿参数思考模型 Ring-1T，综合能力逼近 GPT-5、数学能力对标 IMO 银牌
蚂蚁集团正式推出万亿参数思考模型Ring-1T并全面开源，该模型在9月30日预览版基础上扩展了大规模可验证奖励强化学习（RLVR）训练，提升自然语言推理能力，并...
0人工参与实现梯度更新！MIT新框架让AI自动生成微调数据，权重自主升级
MIT提出的SEAL（Self-Adapting LLMs）框架标志着大模型技术迈入自主进化新阶段。该框架通过内外双循环机制，首次在权重层面实现了模型自我驱动的更新能力，摆...
蚂蚁Ring-1T正式登场，万亿参数思考模型，数学能力对标IMO银牌
蚂蚁集团近期密集开源多款大模型，其中万亿级思考模型Ring-1T的发布尤为引人注目。该模型在多项高难度基准测试中展现出与闭源巨头正面对话的实力，成为开源体...
登顶！快手发布开源编程模型，720亿参数，创下编程能力新纪录
快手在AI领域的突破性进展集中体现在其最新发布的KAT-Dev-72B-Exp代码大模型上。这款专为软件工程设计的720亿参数模型，在SWE-Bench Verified测试中以74.6%的...
北航团队提出新的离线分层扩散框架：基于结构信息原理，实现稳定离线策略学习｜NeurIPS 2025
北航彭浩团队的研究提出了一个名为SIHD的新型框架，旨在解决离线强化学习中分层扩散模型的局限性。该框架通过分析离线轨迹中的结构信息，自适应地构建多尺度...
听说，大家都在梭后训练？最佳指南来了
在大模型时代，Scaling Law曾被视为AI领域的黄金准则，但随着模型规模扩展到百亿、千亿级，其边际效益开始递减。业界逐渐将重心从预训练转向后训练阶段，这一...
