标签：强化学习

近年来，Loop Transformer 逐渐从简单的模块复用走向更复杂的分层循环计算，探索如何通过共享参数持续更新模型状态。一个自然的问题是：当模型开始看图，这套...

一句话概括：多答案问答要求智能体找全整个答案集合，而不是只搜到一个就停止。现有 RL 方法在此场景下存在两处错位：优势计算停留在轨迹级，信用分配粗糙；F...

都知道跨学科才能拿大结果，可啃完全陌生的领域又太烧心？ 这不，做研究跨领域找灵感这事儿，也能帮你自动化了～ 最近，来自CMU、Meta等机构的研究团队，在...

前沿实验室既在争取下一次模型能力的突破，也在准备应对下一场安全危机。 10 月 9 日，Axios 报道，OpenAI 和 Anthropic 的高管，已经在推演重大 AI 事故发...

OpenAI公开722篇由AI撰写的数学与理论计算机稿件之后，丹麦奥尔堡大学AI安全实验室Qiongxiu Li发起的开源项目On Whose Shoulders 《巨人之肩》，对这批AI稿件...

项目分3年、分阶段交付验收。 智东西10月14日消息，昨日，浙江金华市公共资源交易中心东阳分中心发布《关于横店影视AI服务平台建设项目中标（成交）结果公告...

Agent 执行长程任务时，代码、工具输出和交互记录不断累积，上下文也跟着变长。 生成摘要、压缩上下文，可以减少输入，却也可能删掉后续任务需要的细节。一...

不er，A\你穿越回来的啊？？ 因为一起版权官司，Anthropic一份2021年7月的内部研究路线图，意外曝光。 很短，PDF正文就两三页。 但把这份当时标着「最高...

10 月 15 日消息，阶跃今天正式释放 Step5Preview 权重。本次开放：BF16 与 FP8 模型权重、技术博客、配套开源开发工具。 据官方介绍，Step 5 Preview 面向...

什么？35B的MoE，在手机上也能跑得很丝滑？ Yeah~It’s true. 我们直接在断网状态下，给iPhone 17 Pro Max手机上传一张数据可视化经典图——拿破仑远征俄国失...