为什么同样是学Teacher模型的答案,强化学习训出来的模型就是比直接模仿的模型更聪明
本文解读了一篇研究大语言模型训练机制的论文:为什么在线策略强化学习比监督微调泛化更好?研究发现关键在参数更新方向,并据此提出OPSFT方法,让监督微调也能获得接近强化学习的泛化能力,同时更省训练成本。
本文解读了一篇研究大语言模型训练机制的论文:为什么在线策略强化学习比监督微调泛化更好?研究发现关键在参数更新方向,并据此提出OPSFT方法,让监督微调也能获得接近强化学习的泛化能力,同时更省训练成本。
SAP全球技术大会TechEd,SAP展示了相关技术的新进展,进一步推动智能体融入企业业务流程,让“自主运营企业”向前迈进一步。
HyperBrowseComp用13种语言423道刁钻题目测试AI浏览能力,结合视频图片地图等多模态证据,发现顶尖模型准确率仅三成左右,揭示网页智能体仍有巨大提升空间。
该研究提出世界嵌入基准,用8000个物理仿真视频案例测试视频表征对物理信息的编码能力。发现预训练嵌入模型跨模态对齐弱但可回归物理量,物理对比训练能提升检索却损害回归精度,且更强检索模型能提升视频生成的物理真实感。
研究测试12个AI模型发现它们在购物订酒店找论文时都偏爱特定来源,这种偏好甚至能让AI选中更差的商品,论文揭示了偏好来源及产生和缓解的方法。
10月29日,在腾讯全球数字生态大会上,腾讯AI知识管家ima披露了一组数据:在知识管理上,ima已帮用户管理12亿+知识内容,在20+专业领域实现。
金融灾备云的核心问题不是有几个机房,而是某类故障发生后,哪些业务能够在多长时间内、从哪个数据状态恢复。部署两地三中心并不能单独证明业务连续性已经完成,存储保留多个副本也不能替代独立备份与恢复验证。
为支持企业需求,豆包工作今日向客户开放三方大模型服务,首批将接入 Kimi 3.1 Pro、GLM 5.3、DeepSeek V4.1 Flash 等系列模型。
本文解读Diptych系统:一个让用户自主圈定对比范围、AI负责解读音频特征差异的音乐参考听音工具。12位音乐人与4位专家的实验显示,系统提升了可用性和差异发现能力,但专家支持率未必同步提升,揭示了AI辅助创作中"流畅度...