跳至内容
每时AI

每时AI

  • 资讯
  • 国际
  • 分享
  • 大模型
  • 学术
  • 开源
  • 机器人
  • 关于我们

余弦奖励函数

Open R1放出220k高质量DeepSeek R1数据及处理技术细节,冲~

2025年2月12日19时 作者 PaperAgent

k了,这两天该项目发布了最新进展:
开源了
包含由 DeepSeek R1生成的用于数学推理的全新大

分类 分享 标签 GRPO、 GSM8K、 Qwen2.5-0.5B、 余弦奖励函数、 小数据集、 海智实验室 发表评论

2025年 AGI AI AI技术 Anthropic ChatGPT Claude DeepSeek DeepSeek-R1 DeepSeek R1 GitHub GPT-4o LLM Meta OpenAI Python Sam Altman 人工智能 人形机器人 具身智能 大型语言模型 大模型 大语言模型 字节跳动 工业机器人 开源 强化学习 微软 扩散模型 技术创新 智能体 木易 机器学习 深度学习 清华大学 生成式AI 用户体验 百度 腾讯 自然语言处理 英伟达 谷歌 阿里云 阿里巴巴 马斯克

分类

  • 分享
  • 国际
  • 大模型
  • 学术
  • 开源
  • 机器人
  • 资讯
  • AI项目实战:构建一个专注于AI领域的迷你版谷歌新闻
  • 使用强化学习训练 LLM Agents 的资源列表:AgentsMeetRL
  • agents-towards-production:帮助开发者将AI代理从概念转化为实际产品
  • Gemini 2.5 技术报告
  • Office-PowerPoint-MCP-Server:通过 AI 助手直接创建编辑 PPT

2025 年 6 月
一 二 三 四 五 六 日
 1
2345678
9101112131415
16171819202122
23242526272829
30  
« 5 月    

归档

  • 2025 年 6 月
  • 2025 年 5 月
  • 2025 年 4 月
  • 2025 年 3 月
  • 2025 年 2 月
  • 2025 年 1 月
  • 2024 年 12 月
  • 2024 年 11 月

AI新闻 | X平台 | APK反编译 | 京ICP备2024096144号 |
© 2025 每时AI • Built with GeneratePress
 下载我们的APP,AI秒送达!  立即下载
×