庞天宇表示，他在加入腾讯混元团队后，主要研究方向为多模态模型的强化学习（Multimodal RL），包括生成模型（e.g.,diffusion models）和理解模型（e.g., VLMs）。 有…
进入清华大学交叉信息研究院“姚班”后，陈立杰并没有在竞赛的余晖中原地踏步，而是迅速完成了从“程序设计”到“计算机科学理论研究”的华丽转身。他与合作者发现了一条绕过“自然证明”壁垒的潜在路径，提出了“硬度放大…
如果这段解释能让新手模型在原本可能答错的情况下答对，或者增强了新手模型答对的信心，那么系统就认为这是一个高质量的解释。 通过将解释的效用量化为奖励信号，模型在训练过程中逐渐学会了生成逻辑严密、信息量大且易于…
11/10 12:13
11/10 12:11
11/10 12:10
11/10 10:19
11/10 10:18
11/10 10:09
11/10 10:08
京公网安备 11011402013531号