阿里半夜开源全新推理模型，QwQ-32B比肩DeepSeek-R1满血版
阿里开源发布新推理模型QwQ-32B，参数量为320亿。其性能可媲美6710亿参数的DeepSeek-R1满血版。千问团队通过大规模强化学习提升了模型的推理能力，在数学和编程任务上表现优异，并提供了API使用指南。
强化学习
图灵奖颁给强化学习师徒，一个造船改行写代码，一个痛批AI投身AGI
计算机最高奖图灵奖揭晓。强化学习先驱Andrew Barto与Richard Sutton共同获奖，他们被评价为’引领基础AI技术开发的研究人员’。两位是师徒关系，Barto和他的博士研究生Sutton将马尔可夫决策过程的数学基础应用于强化学习框架中。
刚刚，2024图灵奖颁给了强化学习之父Richard Sutton与导师Andrew Barto
强化学习先驱 Andrew Barto 与 Richard Sutton 获得今年的 ACM 图灵奖。他们提出的强化学习理论为 AI 研究奠定了基础，并在机器人技能学习、网络拥堵控制等领域取得了成功。
社区供稿 | Hugging Face 又出新教程啦！手把手教你构建 DeepSeek-R1 推理模型
间进行了学习，下面是整理的课程内容
课程链接：
https://hf.co/learn/nlp-co
视觉强化微调！DeepSeek R1技术成功迁移到多模态领域，全面开源
视觉强化微调项目 Visual-RFT 通过规则奖励和强化学习方法，实现了视觉语言模型在目标检测、分类等任务中的高效提升。项目已开源，欢迎加入。