具体地，研究者利用一类新的微调方法来优化测试时计算，通过最小化累积悔值的概念产生了一种被称为元强化微调（Meta Reinforcement Fine-Tuning，MRT）的解决方案（或范式），从而为评估现有推理模型（如 ...

近日，阶跃星辰研究团队通过大规模实证探索，耗费了近 100 万 NVIDIA H800 GPU 小时（约百万美元），从头训练了 3,700 个不同规模，共计训了 100 万亿个 token，揭示了 LLM ...

腾讯AI Lab与香港中文大学（深圳）合作开展了一项新研究，提出了这样一种名为 无监督前缀微调 （UPFT）的方法。 团队研究发现，关键的正确推理信号，全都藏在模型的“前几步”里，将这种现象称为“推理前序自一致性”。

1. 开源微调神器Unsloth优化了DeepSeek-R1同款GRPO训练算法，上下文变长10倍，显存需求减少90%。 3.

据彭博新能源财经预测，到2030年AI驱动研发将使固态电池商业化进程提前3-5年，而中国有望占据全球60%的市场份额。这不仅是技术竞争的胜利，更意味着在零碳时代的全球能源版图中，中国正从规则追随者转变为标准制定者。当AI遇见固态电池，我们看到的不仅是 ...

8 个 H100 显卡训练 1 小时，即可让所训练的 Qwen2.5-Math-CFT 模型媲美 DeepSeek-R1 的性能。背后“秘诀”只有一个：采用由加拿大滑铁卢大学团队和美国卡内基梅隆大学团队提出的批判性微调（CFT，Critique ...

魔搭社区 投稿量子位 | 公众号 QbitAI GRPO训练又有新的工具链可以用，这次来自于ModelScope魔搭社区。

机器之心报道，编辑：Panda。 DeepSeek-R1 非常热门，而在其公布的训练配方中，GRPO（Group Relative Policy Optimization）非常关键，是 DeepSeek-R1 核心的强化学习算法。 PPO 与 ...

这款软件可被用作宏，能将坐标设置为功能，还可轻松设置按键和功能，对游戏玩家有帮助。

继去年政府工作报告首次写入“人工智能+”后，今年政府工作报告再次提出，持续推进“人工智能+”行动，人工智能又成为两会热词。其中全国人大代表、科大讯飞董事长刘庆峰提出的“加快构建国产算力平台上的自主可控大模型及产业生态”建议，值得注意。