打开交易图表，堆上十个技术指标，然后对着屏幕发呆不知道下一步怎么操作——这场景对交易员来说太熟悉了。如果把历史数据丢给计算机，告诉它“去试错”。赚了有奖励，亏了...

Awesome-ML-SYS-Tutorial 是一个专注于机器学习系统（ML SYS）领域的学习笔记与代码仓库。它旨在为对 ML 与系统交叉领域感兴趣的研究者...

在 Physical Intelligence 最新的成果 π0.6 论文里，他们介绍了 π0.6 迭代式强化学习的思路来源：

就像人类通过摸索试验来学习一样（比如骑自行车），让计算机也在摸索试验的过程中自主学习，这称为强化学习（reinforcement learning）。强化学习和...

理解三幕剧、英雄之旅等叙事框架，通过概率图模型或强化学习构建情节连贯性。如OpenAI的StoryGeneration项目使用层次化LSTM生成多段落故事。

在当今的数字生活中，推荐系统无处不在，从在线购物到流媒体音乐，它们利用我们过往的选择来预测我们可能喜欢的下一个内容citation:10。然而，音乐推荐系统长期...

•RLHF：在训练instructGPT时，首先使用有人类生成的示例对模型进行预训练。然后，通过与人类评估者进行交互，收集评估结果，以创建一个用于强化学习的数据...

在学术与产业的交叉领域里，始终流传着一个朴素的共识：牛逼的人在一个领域内必有另一个牛逼的人。这并非简单的人脉叠加，而是拓扑学意义上的“稠密性”——当我们将领域内...

横跨2012–2025年，把计算机视觉（CV）、自然语言处理（NLP）、强化学习（RL）、大语言/多模态模型（LLMs/MLLMs）以及世界模型（WMs）五条技...

摘要：本论文提出了一种名为KLEIYN的新型四足机器人，其具备主动腰部关节，能够在复杂地形中进行运动并实现垂直墙面的攀爬。研究背景源于当前四足机器人在动态运动和...

在此背景下，中科院 & 美团研究团队推出了 VinciCoder ，一个旨在打破 SFT 瓶颈的统一多模态代码生成模型。VinciCoder 首次将强化学习的奖...

强化学习作为推动大语言模型进一步提升智能程度的手段，一直是大语言模型训练环节中最核心且复杂的环节。其中的复杂度不仅仅体现在其算法方面，也体现在其系统的整体要求上...

自 John von Neumann 和 Alan Turing 以来，计算系统与大脑的关联一直激励着先驱理论家。诸如大脑这类均匀无标度生物网络具有强大特性，包...

阿拉伯文档OCR (Optical Character Recognition) 因该语言的连笔书写、字体多样、变音符号及从右至左的排版方向而始终面临挑战。尽管...

基于强化学习 (RL) 的语言模型 (LMs) 后训练可在无需监督微调的情况下增强复杂推理能力，DeepSeek-R1-Zero 已验证此特性。然而，有效运用 ...

大语言模型 (LLM) 在软件工程中的日益普及，亟需对其生成代码进行严格的安全性评估。然而现有基准存在明显局限：仅关注孤立代码片段、采用缺乏可复现性的不稳定评估...

我们推出 InternVL 3.5，这是一个全新的开源多模态模型家族，显著提升了 InternVL 系列在通用性、推理能力和推理效率方面的表现。其核心创新在于级...

决策模块是具身人工智能的核心，其安全性直接关系到系统的整体可靠性和用户安全。本文深入探讨了具身AI决策模块面临的安全威胁，特别是策略中毒、奖励操纵和探索攻击等关...