「重要性采样」并不「重要」？快手清华ASPO攻克重要性采样权重错配
「重要性采样」并不「重要」？快手清华ASPO攻克重要性采样权重错配从ChatGPT到DeepSeek，强化学习（Reinforcement Learning, RL）已成为大语言模型（LLM）后训练的关键一环。
来自主题: AI技术研报
6469 点击 2025-10-18 11:41
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
从ChatGPT到DeepSeek，强化学习（Reinforcement Learning, RL）已成为大语言模型（LLM）后训练的关键一环。
从谷歌翻译到 ChatGPT，AI 系统通过抓取互联网上的海量文本来学习“说”一门新语言。对于那些使用者较少的语言来说，维基百科有时是其最大的在线语言数据库。因此，这些页面上的任何语法或其他错误，都可能污染 AI 赖以学习的“水源”。这会导致模型在翻译这些语言时尤其容易出错，
苹果又一华人AI高管被Meta挖走了！据彭博社爆料，这次被挖的是Ke Yang（杨克），负责AI搜索与问答系统，几周前刚被任命为AKI团队负责人，负责让Siri追赶上ChatGPT等主流大模型的能力。而离职消息一出，苹果AI的未来或又将添上许多变数。
奥特曼宣布重新上线个性化、富有人味的的新ChatGPT版本，并将在12月份开放「成人模式」，OpenAI最终还是没忍住，要抄马斯克的Grok作业了～
从「深蓝」到ChatGPT和DeepSeek，AI已从棋盘上的较量转向生产力革命。中国移动以自研「九天」大模型为核心，打造「灵犀智能体」，一个能理解意图、主动服务的全场景生活助手。通过「灵犀贴贴」实现AI+NFC的便捷交互。同时「爱购商城」以「AI豆」构建统一价值体系，打通通信、消费与智能生态，为用户提供个性化、温度化的智能生活新范式。
10月16日消息，OpenAI首席执行官山姆·奥特曼于美国当地时间周三表示，该公司并非"经选举产生的世界道德警察"。此前，他决定放宽限制，允许其聊天机器人ChatGPT生成成人内容，这一决定引发了强烈反弹。
智东西10月15日报道，今日，阿里通义千问团队推出其最强视觉语言模型系列Qwen3-VL的4B与8B版本，两个尺寸均提供Instruct与Thinking版本，在几十项权威基准测评中超越Gemini 2.5 Flash Lite、GPT-5 Nano等同级别顶尖模型。
今天凌晨，OpenAI 的 CEO 山姆·奥特曼宣布，ChatGPT 将在 12 月推出「成人模式」。奥特曼长篇大论地解释了一通，大意是说，ChatGPT 一开始设置那么多限制，主要是担心心理健康问题，怕出事，结果搞得普通用户觉得体验拉胯、不够有趣。
模型众多，该如何选择？ GPT-5：OpenAI的最新旗舰模型，统一智能系统，GPT-5 集成了多个模型，自动根据任务复杂度选择最适合的模型进行处理，多模态首选。 GPT-5 Thinking：GPT
AI传奇人物、前特斯拉AI总监Karpathy重磅推出全新开源项目「nanochat」，以不到8000行代码复现ChatGPT全流程，只需一台GPU、约4小时、成本仅百美元。该项目在GitHub上线不到12小时即获4.2k星标！