为什么明明很准，奖励模型就是不work？新研究：准确度 is not all you need
为什么明明很准，奖励模型就是不work？新研究：准确度 is not all you need训练狗时不仅要让它知对错，还要给予差异较大的、不同的奖励诱导，设计 RLHF 的奖励模型时也是一样。
来自主题: AI技术研报
11335 点击 2025-03-24 15:33
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
训练狗时不仅要让它知对错，还要给予差异较大的、不同的奖励诱导，设计 RLHF 的奖励模型时也是一样。
我最近一段时间，除了处理项目上的一些问题，我将我的大部分时间都在体验目前的MCP成果上，我也在和不同的朋友进行交流，其实交流下来，只要是自己亲身使用过目前的MCP工具的基本上都有一些共同的认知：
3月24日，从自然资源部获悉，国家海洋环境预报中心联合海洋出版社有限公司和三六零数字安全科技集团有限公司，以360智脑13B和Deepseek-R1-70B大模型为基座成功开发了海洋垂直领域大语言模型——“瀚海智语”（英文名称OceanDS）。
据与两家公司高管交谈的两位人士透露，OpenAI 高管在最近几个月多次与信实工业（Reliance Industries）的高管会面，讨论了潜在的产品和销售合作伙伴关系。
上期做了一个一键安装 MCP 项目的平价方案，
可引导性（steerability）是下一个关键点。你需要扩展问题的定义，或者Agent需要回来提出更多问题。在流程的最后，你要验证结果。
哎！最近推特上的网友在LMSYS Arena 发现了个泄漏的大模型 Nebula，效果据说特别好，打败了o1、o3mini、Claude3.7 Thinking等等模型：网友们通过询问和分析 API，发现这似乎是谷歌正在秘密演练的新推理模型！推测可能是 Google Gemini 2.0 Pro Thinking：
毅伯智算TORA3000性能超H20 1.8倍，FP8优化降本增效。
在过去的一两年中，Transformer 架构不断面临来自新兴架构的挑战。
智元机器人已于近日完成新一轮融资，该轮投资由腾讯领投，另有多家产业方及老股东跟投，包括龙旗科技、卧龙电气、华发集团、蓝驰创投等。据悉，智元机器人将以150亿元的估值接洽新一轮融资。