搜索
在今年三月份，清华 AIR 和字节联合 SIA Lab 发布了 DAPO，即 Decoupled Clip and Dynamic sAmpling Policy Optimization（解耦剪辑和动态采样策略优化）。
还有人没被《大展鸿图》洗脑吗？ 反正今天一睁眼，朋友圈里就有人形机器人“别墅里面唱K”开始刷屏，给我看得一愣一愣的——
2018 年，LSTM 之父 Jürgen Schmidhuber 在论文中（ Recurrent world models facilitate policy evolution ）推广了世界模型（world model）的概念，这是一种神经网络，它能够根据智能体过去的观察与动作，预测环境的未来状态。
如何让AI像人一样，仅凭少量演示，就能稳健适应复杂多变的真实场景？ 美国东北大学和波士顿动力RAI提出了HEP（Hierarchical Equivariant Policy via Frame Transfer）框架，首创“坐标系转移接口”，让机器人学习更高效、泛化更灵活。
据外媒7月11日报道，该平台采用了Paradox.ai开发的AI聊天机器人“Olivia”（奥利维亚），用于收集求职者的个人信息，包括姓名、电话、邮箱、住址等敏感数据。然而，平台的安全防护存在严重缺陷。
让大模型在学习推理的同时学会感知。伊利诺伊大学香槟分校（UIUC）与阿里巴巴通义实验室联合推出了全新的专注于多模态推理的强化学习算法PAPO(Perception-Aware Policy Optimization)。
为此，香港中文大学、字节跳动Seed和斯坦福大学研究团队出手，提出了一种面向同声传译的序贯策略优化框架 (Sequential Policy Optimization for Simultaneous Machine Translation, SeqPO-SiMT)。
当前，强化学习（RL）在提升大语言模型（LLM）推理能力方面展现出巨大潜力。DeepSeek R1、Kimi K1.5 和 Qwen 3 等模型充分证明了 RL 在增强 LLM 复杂推理能力方面的有效性。
近日，腾讯 PCG 社交线的研究团队针对这一问题，采用强化学习（RL）训练方法，通过分组相对策略优化（Group Relative Policy Optimization, GRPO）算法，结合基于奖励的课程采样策略（Reward-based Curriculum Sampling, RCS），将其创新性地应用在意图识别任务上，
近日，非凡产研完成了对全球范围内规模以上AI 教育应用的产品收录，共计 88 款。它们的收入情况如何？根据非凡产研数据，全球AI教育App单月营收最大的依然是多邻国(Duolingo)，单月破2亿元；而中国教育AI App，收入排行第一的是作业帮旗下出海产品 Question AI。