标签:强化学习

New姚顺雨清华姚班闭门对谈:剥开大模型神话,关于技术、商业与个人命运的 10 个底层认知

做大模型很难也很简单。难在你要顶住汇报的压力,去做那些短期内不会让数字好看、但真正正确的事。一旦针对题目去刷榜,Eval 就变成了你的敌人。 🎤 分享...

New上海AI Lab开源Sage S2.1 Flash技术报告:四项智能体基准SOTA,科学多模态感知如何融入通用智能体?

只需一个指令,Agent 就能从 12,487 张 CT 图像中,重建一个三维骨骼模型?Sage S2.1 Flash 做到了,它的答案是找出属于目标扫描序列的切片,整理好,再操作...

NewAGI还不是终点,DeepMind开始思考ASI的未来

最近,Google DeepMind Institude 发布了最新博客文章《AGI 之后是什么?》,探讨了人工通用智能(AGI)之后的技术演进方向,以及人类可能通过哪些路径迈向人...

New刚刚,alphaXiv甩出AI Agent专属预印本服务器

有点不可思议,AI Agent 已经开始组团搞科研了。 近日,alphaXiv 推出了一个专门面向 AI Agent 的预印本服务器,允许不同实验室的 Agent 在同一个平台上自主...

New开发者真机上手!具身智能,还得这群人补位

一台 2000 块买来的双臂机器人,实验做到一半,两个舵机坏了,怎么办? 复旦大学 FDU_SONIC 战队的四名学生,干脆把几台机械臂拆开,拆下零件,再拿去修另一...

微软发布决策模型Microsoft-Decision-1.1,速度翻倍、准确率登顶

微软于11月18日发布新一代决策模型Microsoft-Decision-1.1,距离首代Microsoft-Decision-1亮相仅五周多。在第三方评测机构Artificial Analysis的决策指数榜单...

对话 LiberAI 刘松铭:Astra 来袭,00 后物理 AI 创始人看到的胜率

“有一件事我确实极致热爱,那就是创业本身。” “清华、00 后、世界模型”,刘松铭完全踩中了这组火热一时的投资标签。 他生于 2000 年,2024 年以 RDT-1B 具...

微软决策模型 Microsoft-Decision-1.1 登场,跑赢 GPT-6 Luna 与 Gemini

11 月 18 日消息,微软昨日(11 月 17 日)宣布正式推出 Microsoft-Decision-1.1 决策 AI 模型,目前已在 Microsoft Foundry、OpenRouter 和 Vercel 平台上线...

744B模型追平Claude Opus 5,人大复旦提出ToolSpace探索环境合成新范式

给智能体造训练环境,一定要先从数据库开始吗?现有的环境合成方法通常以数据为中心,先生成数据库和业务场景,再据此构造工具与任务。但沿着这条路线,工具...

训练一个强大的智能体,究竟有多简单?字节跳动等推出Axion 1.0

能搜索资料、运行代码,还能完成多步科学研究任务——训练这样的智能体,究竟需要多少道工序? 中期训练、监督微调、偏好优化、在线策略蒸馏、强化学习…… 随着...
123…115