搜索
在大语言模型的竞争中，数学与代码推理能力已经成为最硬核的“分水岭”。从 OpenAI 最早将 RLHF 引入大模型训练，到 DeepSeek 提出 GRPO 算法，我们见证了强化学习在推理模型领域的巨大潜力。
近日，有消息人士称，曾红极一时的 AI 聊天机器人公司 Character.AI 苦于运营 AI 模型的高昂成本，正在权衡两个选择：要么可能被出售，要么筹集新的资金。这几周，该公司与潜在买家、银行家以及员工进行了磋商。
大模型再强，也躲不过上下文限制的「蕉绿」！MIT等团队推出的一套组合拳——TIM和TIMRUN，轻松突破token天花板，让8b小模型也能实现大杀四方。
近年来，强化学习（Reinforcement Learning, RL）在提升大语言模型（LLM）复杂推理能力方面展现出显著效果，广泛应用于数学解题、代码生成等任务。通过 RL 微调的模型常在推理性能上超越仅依赖监督微调或预训练的模型。
本文提出了一个旨在提升基础模型工具使用能力的大型多模态数据集 ——ToolVQA。现有研究已在工具增强的视觉问答（VQA）任务中展现出较强性能，但在真实世界中，多模态任务往往涉及多步骤推理与功能多样的工具使用，现有模型在此方面仍存在显著差距。
软件+硬件的全链路国产 AI 体系来了？ 这几天，不论国内国外，人们都在关注 DeepSeek 发布的 V3.1 新模型。
大模型耗电惊人，舆论一浪高过一浪。 现在，谷歌用硬核数据强势还击。
DeepSeek-V3.1官宣了，作为首款「混合推理」模型，将开启智能体新时代。新模型共有671B参数，编码实力碾压DeepSeek-R1、Claude 4 Opus，登顶编程开源第一。
最初说不做视频生成模型的百度，现在在视频生成的路上一路狂奔！ 就在刚刚，百度蒸汽机（MuseSteamer）视频生成大模型升级至2.0版本，主打多人有声音视频一体化生成。
AI已经能够自主思考并证明新的数学规律了？ OpenAI研究人员表示，自己喂给GPT-5 Pro一篇论文，结果模型读完之后得到了新的结论。