近年来，强化学习 (RL) 在提升大型语言模型 (LLM) 的链式思考 (CoT) 推理能力方面展现出巨大潜力，其中直接偏好优化 (DPO) 和组相对策略优化 (GRPO) 是两大主流算法。
Midjourney sref 分享还没写完，视频模型直接上了，今天啥也别说了，先把体验分享端上来。
从 8.8 万篇文献中提取 1.4 万种材料的化学组成
生成模型会重现识别模型的历史吗？
大语言模型解决不等式证明问题时，可以给出正确答案，但大多数时候是靠猜。推理过程经不起推敲，逻辑完全崩溃。
剑桥大学和范德夏尔实验室在 ICML 2024 上发表的立场论文，直接挑战了当前Agent开发的核心假设：我们一直在用错误的方式让Agent"自我改进"。
2022年末，当ChatGPT的火种刚刚在全球点燃，引发第一波的震撼与惊叹时，张宏波进行了一项实验。他将自己刚刚孕育雏形的编程语言MoonBit的文法（Grammar）——一段描述语言规则的枯燥文本，喂给了那个强大的新模型。
只需要动动嘴就可以驱动GUI代理？
满场观众瞩目之下，体操运动员稳稳完成一个跳步动作，然后……突然来了段木上芭蕾？？？
AI也有量子叠加态了？
