搜索
文章分析前沿模型文字难懂的原因，指出 Google 通过 LearnLM 将易读性、命题保真度、认知负荷管理和强化学习后训练融入 Gemini 2.5 Pro 与 Flash，并介绍 UIDPO 和修辞结构对齐两种认知对齐路径。
过去几年，“基础模型” 已经彻底改变了自然语言处理和计算机视觉。一个很自然的问题随之出现： 物理世界是否也能拥有类似的基础模型？
让大模型稳定地按人们的期望行动，是偏好对齐的核心目标。
最近到了毕业季，好多朋友来找我聊一件事：有什么办法帮他降 AIGC。
英伟达良心福利！免费领一年顶级大模型订阅，MiniMax / Kimi / DeepSeek 全都能用！NVIDIA 官方平台build.nvidia.com开放了一批"Free Endpoint"模型，注册账号、验证手机号后就能生成一把最长有效期12 个月的 API Key，免费调用几十个当下最火的大模型——不计 Token、无余额限制、无需信用卡。
几何问题，真的只是“推理难”吗？
吉林大学&微软亚洲研究院等团队提出MindPower框架，让机器人像人一样理解他人想法并主动帮忙，构建了首个以机器人为中心的心智推理评测体系，通过六层推理链条，让AI不仅看懂场景，更能推断意图、做出决策、执行动作，显著提升助人能力。
在当今的大模型后训练（Post-training）阶段，DPO（直接偏好优化） 凭借其无需训练独立 Reward Model 的优雅设计和高效性，成功取代 PPO 成为业界的 「版本之子」，被广泛应用于 Llama-3、Mistral 等顶流开源模型的对齐中。
GRPO 是促使 DeepSeek-R1 成功的基础技术之一。最近一两年，GRPO 及其变体因其高效性和简洁性，已成为业内广泛采用的强化学习算法。
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。