AI资讯新闻榜单内容搜索-微调

关键词: AI新闻,模型训练,RAG,Milvus

在教育科技领域，题库是核心资产，更是连接学生、教师与知识体系的关键入口。

关键词: AI新闻,模型训练,EDCO,Entropy-based Dynamic Curriculum Orchestration

在大模型后训练中，数据不再只是 “越多越好”，而是要像人类学习一样，动态选择最合适难度的样本。华为提出的 EDCO 方法，将样本难度估计与动态课程编排引入领域大模型微调；数月后，由 Rutgers、Amazon、Google 等作者参与的 DARE 论文即引用 EDCO，并将其作为难度感知强化学习训练的重要对比基线。

关键词: AI新闻,Gemma 4 31B,Gemma-4-31B-JANG_4M-CRACK,本地模型

有个31B参数的大模型，正常需要80GB显存才能跑。但现在，24GB显存就能跑满血版。这个版本叫Gemma-4-31B-JANG_4M-CRACK——"CRACK"这个词不要理解歪了，它本质是量化压缩加上对齐微调之后的部署版本，不是什么黑客攻击，就是工程优化。24GB，MacBook Pro，直接跑。苹果用户优先优化，MLX原生支持，月下载13000次。

关键词: AI新闻,MiniMax,MiniMax M2.7,MiniMax修改开源授权

近日，刚带着对标顶级闭源模型的强悍性能登场不久的 MiniMax M2.7 模型，悄悄变更了开源使用条款。尽管先前将权重公开在 Hugging Face，但当下已然收紧授权：商业用途需获得 MiniMax 书面授权。非商业用途依旧免费且不受限制，科研、个人项目、自用微调等场景均不受影响；但若是搭建托管服务或开发商业产品，则必须申请授权。

关键词: AI,模型训练,RLVR,人工智能

RL之后，大模型为什么更容易「越训越单一」？面对五花八门的改进思路，也许答案并不复杂：先试着改一改KL项。

关键词: AI新闻,Cursor套壳,Kimi,Cursor,Composer 2技术报告

Cursor套壳Kimi这事还没完…… 最新消息，Cursor放出Composer 2技术报告，力证自己还是有在“自研”。（doge） 不是纯套，而是有技术地套、循序渐进地套。用的方法，还是他们一开始就强调的预训练+强化学习。

关键词: AI,模型训练,On-policy,微调

在大模型后训练阶段，监督微调（SFT）和强化学习（RL）是两根不可或缺的支柱。SFT 利用高质量的离线（Off-policy）数据快速注入知识，但受限于静态数据分布，泛化能力往往容易触及天花板并带来灾难性遗忘；RL 则允许模型在探索中不断自我迭代，产生与当前策略同分布（On-policy）的数据，上限极高，但往往伴随着训练极度不稳定、计算资源消耗巨大的痛点。

关键词: AI新闻,VGG-Flow,微调,模型训练

用强化学习微调扩散模型，还有更好的办法吗？

关键词: AI,模型训练,ThinkMorph,多模态训练

NUS、ZJU、UW、Stanford、CUHK 联合提出 「ThinkMorph」，主张让文字与图像在统一架构里「原生协作」、「共同演化」，而不是像当下大多数多模态模型那样，看完图像就闭上眼睛，后续完全靠文字链条推进。仅用 2.4 万条数据微调 7B 统一模型，视觉推理平均提升 34.74%，多项任务比肩甚至超越 GPT-4o 和 Gemini 2.5 Flash。

关键词: AI新闻,Alec Radford,模型训练,人工智能

近日， Anthropic 和斯坦福研究者 Neil Rathi 与这位传奇研究者联合发布了一篇新论文，并得到了一些相当惊人的新发现。在这项研究中，他们挑战了当前大模型安全领域的一个核心假设。长期以来，业界普遍认为要在模型发布后通过 RLHF 或微调来限制其危险行为。但 Neil Rathi 和 Alec Radford 提出了一种更本质的解法：