如今，强化学习（RL）已成为提升大语言模型（LLM）复杂推理与解题能力的关键技术范式，而稳定的训练过程对于成功扩展 RL 至关重要。由于语言具有强烈的上下文属性，LLM 的 RL 通常依赖序列级奖励 —— 即根据完整生成序列给一个标量分数。
关于如何避免让大语言模型产生幻觉，一直以来的相关研究都非常多。
本科毕业于北大工学院，早期研究聚焦于自动驾驶；博士后期间在卡内基梅隆大学，利用强化学习解决核聚变反应堆控制问题。陈佳玉的科研生涯，始终围绕着复杂系统的智能控制展开。
2025年，AI大模型的竞争焦点正在发生根本性转移。
教皇利奥十四世近日警告， AI发展不应沦为少数人的敛财工具，而须服务共同利益。他呼吁在AI时代重申「何谓为人」，警惕技术侵蚀人类尊严与思考能力，敦促全社会守护年轻一代的心灵自由，确保由人类主导技术的未来。
紧急反击！自从谷歌放出Gemini 3之后，OpenAI快被逼疯了，奥特曼甚至宣布公司进入了「红色警戒」状态。据The Verge爆料，熟悉OpenAI计划的消息人士透露，OpenAI将在下周（12月9号）发布GPT-5.2，首次对Gemini 3做出正面回应。
近日，第三方评测机构 SuperCLUE 发布 11 月 DeepSearch 评测报告，国产大模型 openPangu-R-72B 凭借在长链推理、复杂信息检索领域的卓越表现，在模型榜单中名列第一，体现了基于国产昇腾算力的大模型研发实力。
奥特曼又得拉响红色警报了。刚刚，谷歌再次扔出重磅炸弹——Gemini 3 Deep Think正式上线！轻松把草图变成逼真3D场景，不仅结构还原到位，就连镂空花纹与光影都处理得明明白白。
黄仁勋的最新2.5小时的访谈，吐露了很多震撼人心的故事：2-3年内世界上90%的知识可能将由AI生成；英伟达1996年的生死时刻；童年在烂透了的寄宿学校被迫扫厕所；未来会有巨大的机器人时装产业等。
在具身智能与视频理解飞速发展的今天，如何让 AI 真正 “看懂” 复杂的操作步骤？北京航空航天大学陆峰教授团队联合东京大学，提出视频理解新框架。该工作引入了 “状态（State）” 作为视觉锚点，解决了抽象文本指令与具象视频之间的对齐难题，已被人工智能顶级会议 AAAI 2026 接收。
