1.5B推理模型新SOTA，RL训练新解法打破「简单题过拟合、难题学不动」的魔咒
1.5B推理模型新SOTA，RL训练新解法打破「简单题过拟合、难题学不动」的魔咒QuestA（问题增强）引入了一种方法，用于提升强化学习中的推理能力。通过在训练过程中注入部分解题提示，QuestA 实现两项重大成果
来自主题: AI技术研报
7949 点击 2025-10-06 13:54
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
QuestA（问题增强）引入了一种方法，用于提升强化学习中的推理能力。通过在训练过程中注入部分解题提示，QuestA 实现两项重大成果
近年来，以强化学习为核心的训练方法显著提升了大语言模型（Large Language Models, LLMs）的推理能力与对齐性能，尤其在理解人类意图、遵循用户指令以及增强推理能力方面效果突出。尽管现有综述对强化学习增强型 LLMs 进行了概述，但其涵盖范围较为有限，未能全面总结强化学习在 LLMs 全生命周期中的作用机制。
AI又又又帮陶哲轩解决了一个难题！消息来自陶本人最新发帖，他直言不讳地表示：甚至，如果没有AI，他也不会决定采用目前已经取得成功的关键策略。
Agent（智能体）是最近一段时间的人工智能热点之一，将大语言模型的能力与工具调用、环境交互和自主规划结合起来，使其能够像虚拟助理一样完成复杂任务。 其中「计算机使用智能
暴晒+ 沥青 + 锡板 = 世界上第一张照片？ 听起来有些像是化学实验，但这正是被学界普遍认可的世界上第一张照片——《勒格哈的窗外景色》的诞生方式，尽管具体年份仍有争议，但也即将度过 200 岁的生日
近日，微软和多家公司、高校、研究机构组成的联合团队在生物科学领域发现了一个重大的“零日漏洞”。他们利用开源的人工智能蛋白质设计工具，基于 72 种已知危险蛋白，模拟生成了 7 万多种原始有害蛋白质的变体，并将它们放入 4 种现有的生物安全筛查系统中。
今年滴滴悄悄上线了一个 AI 图寻产品「在哪儿问问」，目前产品体验仅有微信小程序端。不同于 GeoGuessr 的娱乐性，它更偏向实用的工具属性：拍一张，就能知道在哪儿；想去哪里，AI 马上帮你找。
想象一下，医院和诊所里三分之一的员工不是在治病救人，而是在接电话、填表格、追保险理赔。这不是什么小问题，而是一个让整个医疗体系运转缓慢、成本高昂的巨大黑洞。
终于，Nano Banana正式开放API了！ 现在大家不仅可以直接在Google AI Studio里基于Nano Banana，手动搓出属于自己的App，还可以通过Gemini API接入任意发挥了。
大模型最让人头疼的毛病，就是一本正经地「瞎编」。过去，只能靠检索补丁或额外训练来修。可在NeurIPS 2024 上，谷歌抛出的新方法SLED却告诉我们：模型其实知道，只是最后一步忘了。如果把每一层的「声音」都纳入考量，它就能从幻觉中被拉回到事实。