强化学习
滚烫Deepseek一夜刀掉英伟达4万亿，除夕开源多模态新模型：7B超越DALL-E 3和StableDiffusion
DeepSeek发布新模型Janus-Pro-7B，击败DALL-E 3和Stable Diffusion，在GenEval和DPG-Bench基准测试中表现优异。该模型基于自回归框架设计，采用SigLIP-L视觉编码器进行多模态理解和生成。
DeepSeek-R1解读：纯强化学习，模型推理能力提升的新范式？
LLM模型通过纯强化学习提升推理能力，并提出无需监督数据的新方法。端侧模型性能提升主要依赖蒸馏而非强化学习，DeepSeek-R1-Zero展示了自我进化能力及语言一致性奖励的应用。
R1风起，清华、港科大发布大模型强化推理技术最新全面综述
本文回顾了大型语言模型在推理能力方面的最新进展，从SFT到RLHF，再到ORM和PRM等技术的演变，讨论了测试时扩展的重要性，并介绍了各种增强LLMs推理能力的技术方法。
中国AI太强，Meta工程师吓疯？自曝疯狂熬夜复制DeepSeek，天价高管心虚了
Meta员工在TeamBlind上爆料，DeepSeek公司训练成本仅550万美元就推出了性能堪比OpenAI的AI模型。这令Meta高管们感到尴尬和紧张，Meta工程师也正在争分夺秒地分析DeepSeek的技术细节。
OpenAI智能体Operator背后CUA技术解析
智谱、ByteDance和清华大学发布GLM-PC等智能体后，OpenAI发布了首个AGI L3级智能体Operator，可以执行网络任务并交互网页。Operator结合了GPT-4的视觉能力和强化学习推理能力。构建开源Computer-Using Agent的技术挑战包括安全隔离、精确点击、视觉理解和部署LLM等。