AI资讯新闻榜单内容搜索-推理训练

关键词: AI,模型训练,SPIRAL,人工智能

近年来，OpenAI o1 和 DeepSeek-R1 等模型的成功证明了强化学习能够显著提升语言模型的推理能力。通过基于结果的奖励机制，强化学习使模型能够发展出可泛化的推理策略，在复杂问题上取得了监督微调难以企及的进展。

关键词: AI,模型训练,Epoch AI,FrontierMath

一年之内，大模型推理训练可能就会撞墙。

关键词: AI,模型训练,LUFFY ,强化学习

本文提出 LUFFY 强化学习方法，一种结合离线专家示范与在线强化学习的推理训练范式，打破了“模仿学习只学不练、强化学习只练不学”的传统壁垒。LUFFY 通过将高质量专家示范制定为一种离策略指引，并引入混合策略优化与策略塑形机制，稳定地实现了在保持探索能力的同时高效吸收强者经验。

关键词: AI,模型训练,强化学习,人工智能

只靠模型尺寸变大已经不行了？大语言模型（LLM）推理需要强化学习（RL）来「加 buff」。

关键词: JAX,TensorFlow,GPU,推理训练,模型训练

JAX在最近的基准测试中的性能已经不声不响地超过了Pytorch和TensorFlow，也许未来会有更多的大模型诞生在这个平台上。谷歌在背后的默默付出终于得到了回报。

关键词: openai,类脑AI芯片,Rain AI

脱胎自 RISC-V，能把推理训练能效提高 1 万倍。OpenAI 的权力之争才刚刚落幕，一场关键交易悄悄浮出了水面。