
ICRPM 用近期风险记录挑选强化学习任务(在新窗口打开)
团队利用最近批次的任务与风险数据,预测策略更新后的任务风险。在论文所测的连续控制与 Countdown 后训练中,排序和部分结果改善,风险预测无需额外采样。
共 126 篇

团队利用最近批次的任务与风险数据,预测策略更新后的任务风险。在论文所测的连续控制与 Countdown 后训练中,排序和部分结果改善,风险预测无需额外采样。

海马云围绕 RunningHub 介绍GPU池化、场景化模型后训练、专业软件连接及创作者工作流沉淀,主张从模型调用走向完整生产交付。访问增速、成本改善和留存数据为报道引用及公司披露,不能据此保证所有AI应用的商业结果。

OXR 面向复杂文档的文字、表格、公式和阅读顺序解析。报道拆解其预测分类、错误归因和数据生成的后训练循环,并介绍版面分析与内容识别分工、本地部署和开源资源入口。

月之暗面发布2.8万亿参数后训练模型Kimi K3.1 Pro,其综合智能指数领先DeepSeek V4.1 Flash-1017和MiniMax M3.1 Flash,但API费用最高,并正研发Flash版本以平衡能力、成本与商业化。

字节跳动旗下豆包在日活跃用户突破2亿后收缩对话团队,通用Session团队规模预计缩减约一半,对话方向的产品后训练团队也在缩减,部分人员转岗至商业化及飞书团队,其余被裁撤,反映出对话产品商业化承压下豆包业务重心的调整。

这个问题正随着推理模型和 RLVR 的发展变得更加重要。随着强化学习在大模型后训练中的作用不断增强,模型练什么、怎么练,也需要更仔细地安排。为了解决数据策略接入和效果比较中的麻烦问题,北大DCAI团队联合UCAS、上海算法创新研究院、中关村学院最新发布DataFlex-RL。

谷歌DeepMind掌门人首次确认Gemini 4 Pro已进入后训练早期阶段,开发者在实测中发现其新检查点在3D物理模拟、代码生成等任务上表现碾压Opus 5.5,且泄露参数显示其具备1000万Token上下文窗口和极具攻击性的定价,谷歌力争在年底前正式发布。

谷歌DeepMind确认Gemini 4进入后训练早期并加速发布,计划通过SpaceX发射搭载TPU芯片的卫星测试太空算力,前DeepMind工程师Robert O'Callahan因认为AI发展太快宣布辞职。

一周之内大语言、图片、视频模型都迎来新赛季:OpenAI的GPT-6 Astra让编码 Agent更好地使用游戏引擎和Blender,自己改场景、自己跑、自己测;GPT-image-2.5上线,更快更强,图片编辑和关键帧动画显著提升;fal和Yoroll分别发布 H3 MaxTurbo和H3 Superfast后训练加速模型,5秒视频3秒内推理,实时生成和互动玩法纷纷涌现。

RunningHub推出开源的H3 Lightning加速方案,在保留BF16满血精度的前提下使MiniMax H3视频生成速度提升约12倍,依托RH后训练加速模型、SageAttention2等工程优化并针对无NVLink的PCIe多卡环境调优,目前已全部开源至GitHub,支持创作者本地部署。