分類： 強化學習
- 對喔！為什麼語言模型不能直接輸出答案與其置信度呢？
- DeepSeek-GRPO重要性權重設計錯誤？詳解Qwen3新強化學習演算法GSPO
- 阿里巴巴深夜開源「王牌」Agent！硬槓OpenAI，性能全面超越SOTA！
- 強化學習（RL）規模化王牌！DeepSWE 開源 AI 代理登上榜首，訓練方法與權重全面公開
- 清華大學研究：再次翻轉？證實強化學習並未真正提升基礎模型推論能力！
- 清華等提出 Absolute Zero 自博弈大型模型，完全零資料訓練仍登頂多項任務
- AGI理論比較：主動推論、強化學習、控制論、貝氏腦、效用決策、有限理性、情感動機、動態體內平衡
- 大型語言模型（LLM）已能自我更新權重，自適應、知識整合能力大幅提升，AI 醒了？
- NVIDIA（ProRL）｜強化學習究竟能否提升大型語言模型的推理上限？
- LLM 已能自我更新權重，自適應、知識整合能力大幅提升，AI 覺醒了？
- SRO 架構賦予 Qwen-2.5-VL 推理能力，效能飆升 16.8%
- 大模型強化學習新突破——SPO新範式助力大模型推論能力提升！
- SFT+RL雙階段訓練突破大型語言模型自我監督！人大DeepCritic實現AI批判自主進化
- 類R1訓練不再只看結果對錯！港中文推出SophiaVL-R1模型
- 首個多模態專用慢思維框架！超越GPT-o1近7個百分點，強化學習教VLM「三思而後行」
- 10行程式碼，AIME24/25提升15%！揭密大型模型強化學習的熵機制
- 過程監督>結果監督！華為港城重構RAG推論訓練，5k樣本效能超越90k模型
- AI僅憑「自信」學會推理，浙大校友復刻DeepSeek長思維鏈湧現，強化學習無需外部獎勵訊號
- 北京大學校友翁荔最新部落格：Why We Think
- LSTM之父22年前構想將成真？AI「自我演化」論文一週內集中發表，新趨勢湧現？
- AI數學能力飆升100%，自進化逼近強化學習極限！CMU新作顛覆認知
- 首次解釋LLM如何推論反思！西北大學、Google新框架：引入貝葉斯自適應強化學習，全面提升數學推論能力
- LLM 結合 RL 遭質疑：刻意使用錯誤獎勵，數學基準竟也顯著提升，AI 圈為之震驚
- 總結！2025年大型語言模型代理強化學習多輪規劃技術
- Qwen團隊發布長上下文推理模型QwenLong-L1，超越o3-mini