强推理模型书生InternThinker开放体验，在数学推理场景表现突出
上海AI实验室展示了自主生成高智力密度数据的进展，并开放了具备长思维能力的InternThinker模型。该模型能在多种复杂推理任务上取得更优结果，采用了接近人类学习方式的设计，强化了元动作和元认知能力，从而提升其学习效率和解题优势。
学习效率
强化学习之父Richard Sutton给出一个简单思路，大幅增强所有RL算法
在强化学习领域提出了一种名为’奖励聚中’的新思想，旨在通过从实际观察到的奖励中减去平均值来改进算法性能。该方法适用于几乎所有强化学习算法，并且当折扣因子接近1时效果最佳。