清华、快手提出AttnRL：让大模型用「注意力」探索
清华、快手提出AttnRL：让大模型用「注意力」探索从 AlphaGo 战胜人类棋手，到 GPT 系列展现出惊人的推理与语言能力，强化学习（Reinforcement Learning, RL）一直是让机器「学会思考」的关键驱动力。
来自主题: AI技术研报
7715 点击 2025-10-22 11:46
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
从 AlphaGo 战胜人类棋手，到 GPT 系列展现出惊人的推理与语言能力，强化学习（Reinforcement Learning, RL）一直是让机器「学会思考」的关键驱动力。
UC Berkeley、UW、AI2 等机构联合团队最新工作提出：在恰当的训练范式下，强化学习（RL）不仅能「打磨」已有能力，更能逼出「全新算法」级的推理模式。他们构建了一个专门验证这一命题的测试框架 DELTA，并观察到从「零奖励」到接近100%突破式跃迁的「RL grokking」现象。
昨天晚上闲着没事,想在 DeepSeek 搜一下 AI 博主有哪些可以学习的。 结果没想到,搜索结果里竟然出现了我自己。 内心 OS:祖坟冒青烟了,妈妈我出息了,我被 AI 认证了,以后简历可以写被
昨天刚发了飞书多维表格的使用教程，没想到，反响非常不错。 数据都非常的好，被转发了4500多次。。。 然后有很多朋友在下面评论，除了让我写爬虫教程之外，就是问，飞书除了多维表格之外，还有什么牛逼的用法
你还在依赖 SEO 和社交媒体为产品导流吗？这些传统增长驱动可能面临失效的困境了。我最近听了一场让我震惊的演讲，来自 Lovable 的增长负责人 Elena Verna。她用一组数据直接把现实摆在我
近日，字节跳动一篇论文介绍了他们 LLM 训练基础设施 ByteRobust，引发广泛关注。现在，在训练基础设施层面上，我们终于知道字节跳动会如何稳健地训练豆包了。
今天开始，使用ChatGPT有了OpenAI官方浏览器。ChatGPT Atlas——阿特拉斯（古希腊扛住地球的神）——作为OpenAI首款AI原生浏览器，正式对外发布。ChatGPT对话能力：每个标签页打开都能直接聊天对话；
前vivo「最美产品经理」宋紫薇，AI创业细节进一步曝光了。量子位获悉，已经入局AI智能硬件赛道创业的宋紫薇，瞄准的是「AI化妆镜」。公开信息显示，薇光点亮成立于2024年11月，自一开始便将目光瞄向了AI硬件——并且还是“时尚”和“年轻”的硬件。
AI新突破！DeepSeek-OCR以像素处理文本，压缩率小于1/10，基准测试领跑。开源一夜4.4k星，Karpathy技痒难耐，展望视觉输入的通用性。
魔幻啊魔幻。 全球顶级咨询公司麦肯锡，居然收到了OpenAI最近给Tokens消耗大客户颁发的奖牌。 麦肯锡自己还怪自豪的，第一时间就把奖牌po到了领英上。