标签：强化学习

WPS 大家经常用来日常写作，虽然本身提供了AI功能，但可惜需要会员，本文教你三分钟接入最火的DeepSeek，让WPS秒变办公神器。 DeepSeek API申请地址：http:/...

这两年大家都在感叹生活不易，然而我想说的是，机会还是有的，但问题不在于有没有，而在于你是否能够认准机会，然后抓住它。 接触过很多咨询项目的人，发现...

讨论下我们到底该如何理解 LLM 中所涉及到的 RL 算法。

基于结果奖励的强化学习新范式

奖励函数很重要

原标题：DeepSeek核心论文全译本：DeepSeek-R1：通过强化学习提升大语言模型 (LLM) 的推理能力 文章来源：人工智能学家 内容字数：35544字DeepSeek: 提升大型...

智能体工作流生成基准WorfBench

​CoLLAs 2025 即将开办，入选论文将发表在《机器学习研究会议录》（PMLR），诚邀 AI、机器学习等相关领域研究人员投稿！

原标题：超越DeepSeek V3！Ai2再祭开源杀器Tülu 3，强化学习打破性能瓶颈 文章来源：新智元 内容字数：4026字艾伦人工智能研究所发布全新开源大模型Tülu 3 40...

原标题：o1开启LLM新范式，Ai2科学家解析背后秘籍：推理和强化学习是关键 文章来源：新智元 内容字数：9725字语言模型推理现状及OpenAI o1模型解读 本文总结...

关于R1的论文发表一些看法~

本文介绍R1和K1.5以及MCST方法的主要思路。

原标题：UC伯克利等提出具身智能「动作Tokenizer」，效率飙升5倍！ 文章来源：新智元 内容字数：4818字高效训练机器人Transformer：FAST动作Tokenizer的突破 ...

原标题：DeepSeek-R1开源模型爆火：性能比肩GPT-4，强化学习飞轮效应显著 文章来源：小夏聊AIGC 内容字数：3593字DeepSeek-R1：中国开源AI的惊艳亮相 近日，...

PRMs整体表现堪忧，开源不如闭源

原标题：图灵奖得主杨立昆最新万字实录：我们离真正的Agent还差几大关键技术 文章来源：人工智能学家 内容字数：16553字Meta首席AI科学家杨立昆在CES 2025对...

原标题：复旦大学51页的论文，从强化学习的角度分析实现o1的路线图 文章来源：人工智能学家 内容字数：13621字欧米伽未来研究所：解读复旦大学关于O1模型的突...