近年来 AI 技术不断突破创新，推动着软件项目开发的各个环节发生质的变化。相信每一位同行都已经感觉到了，借助 AI 算法与模型，我们能够在需求分析、代码编写、测...

文章里提到的 AI 辅助编程的方法已经过时了。现在流行的 AI IDE，已经用不着从 IDE 切换到浏览器，向大模型发出指令，而是直接在 IDE 的编辑界面内，...

本文介绍一篇来自浙江大学侯廷军和谢昌谕团队、南部战区总医院姜志辉主任团队和碳硅智慧联合发表的一篇论文。该研究提出了一种基于大语言模型的抗菌肽（AMPs）设计方法...

近日，威斯康星大学麦迪逊分校的一个研究团队发现，可以通过强化学习对模型实施有效的黑盒逃避攻击（Black-Box Evasion Attacks）。研究团队表示...

强化学习通过与环境的交互来优化 LLM 的推理能力。具体来说，强化学习方法包括 model-free 在线强化学习、离线强化学习、基于模型的强化学习和层次强化学...

大规模语言模型（LLMs）已经彻底改变了自然语言处理领域，并催生了多种应用。尽管在大规模网络数据上的预训练为这些模型奠定了基础，但研究界现在越来越多地将焦点转向...

本文聚焦于通过**Sim-to-Real强化学习（RL）**实现仿人机器人基于视觉的灵巧操作任务。灵巧操作（如抓取、搬运、双手交接）是机器人领域长期以来的技术难...

刚刚，计算机学会（ACM）宣布了 2024 年的 ACM A.M. Turing Award（图灵奖）获得者：Andrew Barto 和 Richard Su...

最初，研究者观察到了回答长度下降，因为基础模型倾向于生成HTML代码。通过强化学习，这种行为很快被抑制，随后回答长度开始规律地增加。之后，多模态的「啊哈时刻」出...

简而言之，这就是强化学习背后的基本思想！我们拥有的不是狗，而是语言模型（在强化学习中，我们称之为代理）；我们拥有的不是你，而是提供反馈的环境。

那些在环境中一边尝试，一边学习，收集数据（观察和奖励），然后更新自己策略的强化学习算法被称作在线强化学习。

与通义千问、文心一言等大模型的网页版相比，DeepSeek的页面更简洁，除了简单的介绍+对话框，深度思考和联网搜索两个选项，以及文档上传。不过DeepS...

在科技飞速发展的当下，元应用正以前所未有的速度融入我们的生活，从沉浸式的虚拟社交到高度仿真的工作模拟，元应用构建出一个个丰富多彩的虚拟世界。而在这背后，人工智能...

我知道大家和我一样，都是以一种特别积极的心态沉浸在这个 DeepSeek 的学习世界中。实际上，DeepSeek 在我们春节期间送给我们的这份“大礼包”，对我个...

为了进一步来对齐人类偏好，他们使用了强化学习（RL）来调整模型偏好，同时为了节约成本用了GRPO(Group Relative Policy Optimizat...

ChatGPT的训练分为四个主要阶段：预训练、监督微调、奖励建模和强化学习。每一个阶段都至关重要，缺一不可！

DeepSeek官方发布一篇论文《DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Rei...

自 OpenAI 发布 o1-mini 模型以来，推理模型就一直是 AI 社区的热门话题，而春节前面世的开放式推理模型 DeepSeek-R1 更是让推理模型的...

当 Scaling Law 在触顶边界徘徊之时，强化学习为构建更强大的大模型开辟出了一条新范式。

DeepSeek《认知之旅》记录了DeepSeek V3/R1相关的8篇核心论文，以及最新的原生可训练稀疏注意力机制NSA论文中描述的关键要点，以时间顺序按脑图...