本文详细解读了 Kimi k1.5、OpenReasonerZero、DAPO 和 Dr. GRPO 四篇论文中的创新点，读完会对 GRPO 及其改进算法有更深的理解，进而启发构建推理模型的新思路。
一个超越DeepSeek GRPO的关键RL算法出现了！这个算法名为DAPO，字节、清华AIR联合实验室SIA Lab出品，现已开源。禹棋赢，01年生，本科毕业于哈工大，直博进入清华AIR，目前博士三年级在读。去年年中，他以研究实习生的身份加入字节首次推出的「Top Seed人才计划」。
DeepSeek 提出的 GRPO 可以极大提升 LLM 的强化学习效率，不过其论文中似乎还缺少一些关键细节，让人难以复现出大规模和工业级的强化学习系统。
本文是对亚马逊AWS研究团队最新发表的APO（自动提示词优化）技术综述的深度解读。该研究由Kiran Ramnath、Kang Zhou等21位来自AWS的资深研究者共同完成，团队成员来自不同技术背景，涵盖了机器学习、自然语言处理、系统优化等多个专业领域。
Orr Zohar的指导老师Serena Yeung-Levy教授于2018年获得斯坦福大学博士学位，师从李飞飞和Arnold Milstein。2017年至2019年期间，Serena Yeung-Levy曾与Justin Johnson和李飞飞共同教授斯坦福大学卷积神经网络课程。
Meta斯坦福大学联合团队全面研究多模态大模型（LMM）中驱动视频理解的机制，扩展了视频多模态大模型的设计空间，提出新的训练调度和数据混合方法，并通过语言先验或单帧输入解决了已有的评价基准中的低效问题。
最近，Apollo Research团队发布了一项令人深思的研究。这项研究揭示了一个惊人的发现：当前主流的前沿AI模型已经具备了基本的"策划"（Scheming）能力。
Kapoor 在 2024 年 TechCrunch Disrupt 大会上启动了一场关于“新数据管道”的对话，讨论现代 AI 应用的背景，他的对话伙伴包括风险投资公司NEA的合伙人Vanessa Larco，以及数据集成平台Fivetran的首席执行官George Fraser。
![[重磅-万字长文]千亿美金市值美国AI政企服务巨头Palantir产品及商业化全面解析](https://www.aitntnews.com/pictures/2024/11/4/a06de2f8-9a52-11ef-b76d-fa163e4b35c9.gif)
本文介绍了千亿美金市值，美国服务政企的AI高科技企业Palantir公司及其核心软件平台Gotham和Foundry，以及新产品大模型人工智能平台AIP和Apollo，它们旨在帮助政府和商业组织解决复杂问题，并利用数据做出更有效的决策。
前脚有高通提收购，后脚就来了救星？外媒称，风投公司阿波罗全球管理（APO），计划向英特尔投资50亿美金。全公司押注18A制程，最后救命稻草能抓住吗？
