科普向：一文解构大模型后训练，GRPO和它的继任者们的前世今生
科普向：一文解构大模型后训练，GRPO和它的继任者们的前世今生GRPO 就像一个树节点，从这里开始开枝散叶。
来自主题: AI技术研报
10199 点击 2025-09-01 14:51
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
GRPO 就像一个树节点，从这里开始开枝散叶。
当前基于大语言模型（LLM）的智能体构建通过推动自主科学研究推动 AI4S 迅猛发展，催生一系列科研智能体的构建与应用。然而人工智能与自然科学研究之间认知论与方法论的偏差，对科研智能体系统的设计、训练以及验证产生着较大阻碍。
昨天，美团低调地开源了其560B参数的混合专家（MoE）模型——LongCat-Flash。 一时间，大家的目光都被吸引了过去，行业内的讨论大多围绕着它在公开基准测试中媲美顶尖模型的性能数据，以及其精巧的MoE架构设计。
两年半股价暴涨25倍，Palantir仍是企业级AI无出其右的领导者，甚至目前都找不出一家竞品。我们频道聚集了很多关注Palantir的朋友，大家问的最多的问题是：国内有没有真能对标Palantir的公司？
最新开源多模态智能体，能自动操作手机、电脑、浏览器的那种！开源评测榜单和中文场景交互成绩全面提升。
你有没有想过，AI 不仅能记住过去的一切，还能预见未知的未来？
记忆，你有我有，LLM 不一定有，但它们正在有。
LLM 似乎可以扮演任何角色。使用提示词，你可以让它变身经验丰富的老师、资深程序员、提示词优化专家、推理游戏侦探…… 但你是否想过：LLM 是否存在某种身份认同？
你或许也有过这样的猜想，如何让AI智能体（Agent）变得更聪明、更能干，同时又不用烧掉堆积如山的算力去反复微调模型？
近日，Anthropic更新了它的消费者条款，没想竟把网友惹怒了，有的还把以往的「旧账」都翻了出来。这次网友的反应为啥这么激烈？大家可能还记得在Claude上线之初，Anthropic就坚决表示不会拿用户数据来训练模型。这次变化不仅自己打脸，还把以往一些「背刺」用户的往事都抖搂出来了。