爆火论文颠覆RL认知！「错误奖励」让LLM推理暴涨24.6%，学界惊了
爆火论文颠覆RL认知！「错误奖励」让LLM推理暴涨24.6%，学界惊了来自华盛顿大学、AI2、UC伯克利研究团队证实，「伪奖励」（Spurious Rewards）也能带来LLM推理能力提升的惊喜。
来自主题: AI技术研报
9601 点击 2025-05-29 10:18
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
来自华盛顿大学、AI2、UC伯克利研究团队证实，「伪奖励」（Spurious Rewards）也能带来LLM推理能力提升的惊喜。
又是一个让程序员狂欢的研究！来自 OpenHands、耶鲁、南加大和斯坦福的研究团队刚刚发布了 LocAgent—— 一个专门用于代码定位的图索引 LLM Agent 框架，直接把代码定位准确率拉到了 92.7% 的新高度。该研究已被 ACL 2025 录用。
Google I/O 2025 结束后，Google CEO Sundar Pichai 接受了《The Verge》主编专访，这也是双方连续第三年于 I/O 后展开对谈，而今年的背景更为特殊：Gemini 模型全面更新、多模态生成工具 Veo3 登场、AI 功能深度融入 Android 与 XR 平台，Google 展现出前所未有的产品化信心。
今天，我们正式发布 DeepSeek-R1，并同步开源模型权重。DeepSeek-R1 遵循 MIT License，允许用户通过蒸馏技术借助 R1 训练其他模型。DeepSeek-R1 上线API，对用户开放思维链输出，通过设置 `model='deepseek-reasoner'` 即可调用。
过度依赖CoT思维链推理会降低模型性能，有新解了！ 来自字节、复旦大学的研究人员提出自适应推理框架CAR，能根据模型困惑度动态选择短回答或详细的长文本推理，最终实现了准确性与效率的最佳平衡。
就在刚刚，全球首款实时摄像头重磅诞生！从此，AI视频生成的「实时性」和「沉浸感」被重新定义，全行业都有了颠覆性方案。
GPA是死线 or 没那么重要？ 有人表示，比起发表的论文，其实GPA并不是那么重要，因此TOP 20绝对是可以达到的。
30年码龄程序员4年都没搞定的bug，Claude Opus 4只用几个小时轻松破解了。
面对谷歌、OpenAI等劲敌猛攻及Llama 4翻车、人才流失困境，小扎决定重组Meta GenAI团队，设AI产品、AGI基础和FAIR三大架构。
想象一下，作为销售经理，你每天晚上都会被一个问题困扰：我的销售代表今天在客户家里到底说了什么？这不是什么玄学，而是销售行业一个长期存在的盲区。我们有监控后台操作的工具，有分析线上会议的软件，甚至有追踪每个电话的系统，但对于面对面销售这个最关键的环节，我们却一直处在黑暗中摸索。