使用DeepSeek的GRPO，7B模型只需强化学习就能拿下数独
使用DeepSeek的GRPO，7B模型只需强化学习就能拿下数独没有任何冷启动数据，7B 参数模型能单纯通过强化学习学会玩数独吗？
来自主题: AI技术研报
9536 点击 2025-03-11 17:03
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
没有任何冷启动数据，7B 参数模型能单纯通过强化学习学会玩数独吗？
今天给大家看个新东西，聊一聊我在怎么防AI洗稿。。。
o1/o3这样的推理模型太强大，一有机会就会利用漏洞作弊，怎么办？
武汉大学等发布了一篇大型视觉语言模型（LVLMs）安全性的综述论文，提出了一个系统性的安全分类框架，涵盖攻击、防御和评估，并对最新模型DeepSeek Janus-Pro进行了安全性测试，发现其在安全性上存在明显短板。
为什么必须像评估劳动力一样评估LLM代理，而不仅仅是评估软件。
本文介绍了一项突破性的AI推理技术创新——思维草图(SoT)框架。该框架从人类认知过程中获取灵感，通过一个200M大小的路由模型将LLM引导到概念链、分块符号化和专家词汇三种推理范式，巧妙地解决了大语言模型推理过程中的效率瓶颈。
在 ICLR 2025 中，来自南洋理工大学 S-Lab、上海 AI Lab、北京大学以及香港大学的研究者提出的基于 Flow Matching 技术的全新 3D 生成框架 GaussianAnything，针对现有问题引入了一种交互式的点云结构化潜空间，实现了可扩展的、高质量的 3D 生成，并支持几何-纹理解耦生成与可控编辑能力。
自 2025 年伊始，Cursor、WindSurf、Trae 等 Agentic AI 编程工具开始席卷开发领域。然而与过往的 GenAI 技术类似，这些 Agentic AI 技术同样面临着小规模 demo 惊艳，产品化实战翻车的困境——它们生成一两千行的小型原型轻而易举。自我迭代、自动 Debug、快速交付，整个过程行云流水。
北京时间3月10日，彭博科技报道称，ServiceNow公司接近达成收购人工智能公司Moveworks的交易，交易价格接近30亿美元。
ChatGPT 平地一声雷，打乱了很多人、很多行业的轨迹和节奏。这两年模型发布的数量更是数不胜数，其中文本大模型就占据了 AIGC 赛道的半壁江山。关注我的家人们永远都是抢占 AI 高地的冲锋者。