搜索
自回归（AR）范式凭借将语言转化为离散 token 的核心技术，在大语言模型领域大获成功 —— 从 GPT-3 到 GPT-4o，「next-token prediction」以简单粗暴的因果建模横扫语言领域。
不用引入外部数据，通过自我博弈（Self-play）就能让预训练大模型学会推理？
近日，以色列宣布与以色列AI“数字化身”制作平台eSelf、以色列最大的K12教科书出版商CET（Center for Educational Technology）合作，在全国范围内铺开AI辅导。
近日，来自香港科技大学、南洋理工大学等机构的研究团队最新成果让这一设想成为现实。他们提出的 SelfDefend 框架，让大语言模型首次拥有了真正意义上的 ' 自卫能力 '，能够有效识别和抵御各类越狱攻击，同时保持极低的响应延迟。
一位“出海老兵”的自救。
代码模型可以自己进化，利用自身生成的数据来进行指令调优，效果超越GPT-4o直接蒸馏！
自我纠错（Self Correction）能力，传统上被视为人类特有的特征，正越来越多地在人工智能领域，尤其是大型语言模型（LLMs）中得到广泛应用，最近爆火的OpenAI o1模型[1]和Reflection 70B模型[2]都采取了自我纠正的方法。
o1 模型何以成为企业游戏规则的改变者？
OpenAI的self-play RL新模型o1最近交卷，直接引爆了关于对于self-play的讨论。
Self-play RL 开启 AGI 下半场