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)。
新晋AI编程冠军DeepSWE来了！仅通过纯强化学习拿下基准测试59%的准确率，凭啥？7大算法细节首次全公开。
想象这样一个场景：你是一位生物学家，手握基因表达数据，直觉告诉你某些基因之间存在调控关系，但如何科学地验证这种关系？你听说过 "因果发现" 这个词，但对于具体算法如 PC、GES 就连名字都非常陌生。
刚刚，AlphaEvolve又上大分了！基于它的开源实现OpenEvolve，靠自学成才、自己写代码，直接在苹果芯片上进化出了比人类还快21%的GPU核函数！这一刻，是自动化编程史上真正里程碑时刻，「AI为AI编程」的新时代正式开启，自动化奇点真要来了。
只训练数学，却在物理化学生物战胜o1！强化学习提升模型推理能力再添例证。
在信息爆炸的时代，推荐系统已成为我们获取资讯、商品和服务的核心入口。无论是电商平台的 “猜你喜欢”，还是内容应用的信息流，背后都离不开推荐算法的默默耕耘
近年来，强化学习 (RL) 在提升大型语言模型 (LLM) 的链式思考 (CoT) 推理能力方面展现出巨大潜力，其中直接偏好优化 (DPO) 和组相对策略优化 (GRPO) 是两大主流算法。
高考分数线即将尘埃落定，一场更激烈的博弈在无数家庭的餐桌上展开。
45岁的湾区HR，本来拿着7万美元年薪干得顺风顺水，忽然有一天就被优化了；年薪15万美元的全栈工程师，正帮老板优化AI工具呢，忽然就被AI取代了……亚马逊CEO全员信的曝光，再一次证实硅谷AI裁员潮真来了，Dario Amodei的预言，含金量还在上升。
2025 年，多模态生成是一个好方向吗？」这是一位同学在今年年初提出的问题。
