搜索

关于“RL”的结果

共 362 篇

ICML 2026|小模型也能「指挥」大模型RL后训练:清华&腾讯提出GPS,最高减少69% Rollout成本

ICML 2026|小模型也能「指挥」大模型RL后训练:清华&腾讯提出GPS,最高减少69% Rollout成本(在新窗口打开)

来自清华大学与腾讯的研究者提出了 Generalizable Predictive Prompt Selection(GPS)。GPS 的做法很直接:先训练一个小型、可泛化的 Prompt Predictive Model(PPM),让它预测不同 prompt 在当前模型下的难度;再根据难度和 batch 多样性选择训练样本,从而减少无效 rollout。

AI技术文章
0
奥特曼综艺首秀封神,13名硅谷大佬玩狼人杀,太有看头了

奥特曼综艺首秀封神,13名硅谷大佬玩狼人杀,太有看头了(在新窗口打开)

家人们,硅谷这次真的把抽象玩明白了。 Sam Altman、Figma 创始人Dylan Field、Signal创始人 Moxie Marlinspike、Anduril 创始人 Palmer Luckey、Flexport创始人 Ryan Petersen、Founders Fund 合伙人 Trae Stephens…… 这群平时出现在融资新闻、AI发布会、产品传说和硅谷权力网络里的人,总身价多个亿都算不过来了。。 最近,他们坐到了一张桌上—— 玩狼人杀。 更准确地说,是Mafia,一种狼人杀的原型游戏。 游戏规则是:一共12名玩家,3名黑手党(坏人角色),9个好人角色,包括1名天使,1

AI资讯
0