Search

Results for “RL”

Total 362 articles

名师一定出高徒?清华团队最新揭秘:别再迷信大模型蒸馏的「免费午餐」

名师一定出高徒?清华团队最新揭秘:别再迷信大模型蒸馏的「免费午餐」 (opens in a new tab)

当下的大模型后训练(Post-training)pipeline 中,On-Policy Distillation(OPD)已经成为了明星技术。从 Qwen3、MiMo 到 GLM-5,业界纷纷采用 OPD 并报告了巨大的性能提升。相比于强化学习(RL)稀疏的结果奖励,OPD 提供了密集的 Token 级别监督信号,看起来就像是一顿「免费的午餐」。

AI guides
0
李飞飞做AI游戏,拿了4个亿

李飞飞做AI游戏,拿了4个亿 (opens in a new tab)

李飞飞又拿到钱了。5600万美元。 不是做世界模型的World Labs,是她联创的一家AI游戏公司,叫Astrocade。 你可能没听过这个名字。 我第一反应也是,等等,飞飞老师什么时候还搞了个游戏公司? 调研了一下,发现Astrocade想做的事情,其实蛮「常规」的: 任何人,不用写一行代码,用自然语言描述你想要的游戏,几分钟之内就能玩上。 比如这个硅谷模拟创业游戏,就是用他们的产品做出来的。 马斯克、卡帕西、奥特曼……都在里面。 虽然但是,听着像是又一个跟投资人吹水的AI颠覆XX行业的叙事,对吧? 但这组数据让我闭嘴了,上线8个月,2000万用户,每个月1.4亿次游玩,来自80多个国家的

AI news
0
我给 Claude Code 装了俩刑具,效果出乎意料

我给 Claude Code 装了俩刑具,效果出乎意料 (opens in a new tab)

真的,你有过这种时刻吗。 盯着终端,看你的 AI coding agent 在同一个错误上失败了第 17 次。日志一行一行地滚,它还在重试。Ctrl+C 按得手都酸了,它停下来喘口气,然后又开始第 18 次。 你不知道该笑还是该砸电脑。你甚至开始怀疑,这玩意是不是在装傻。 如果你有过这种时刻,那今天要聊的这两个 GitHub 项目,就是为你准备的。 它们的方式不太一样,但目标高度一致,治一治 AI agent 的摆烂问题。 openwhip,真正的物理鞭打 先聊第一个。 它叫 OpenWhip。项目介绍就一句话,「Sometimes Claude Code is going too slow,

AI guides
0
一句话造世界!开发者用10天婚假爆肝,让AI小镇真正「活」了过来

一句话造世界!开发者用10天婚假爆肝,让AI小镇真正「活」了过来 (opens in a new tab)

2023年斯坦福「AI小镇」火了,后续也诞生了大量类似的热门项目,但所有这类项目都有一个共同瓶颈——世界是人工搭建的,固定的。最近,一位独立开发者用10天婚假爆肝了一个项目WorldX:输入一句话、5分钟,一个完整的AI世界就诞生了——地图、角色、动画、人设全部自动生成,AI角色们自主在其中生活、对话、形成记忆、产生戏剧性的涌现行为。

AI news
0