29万美元的成本奇迹
一个典型的例子是,随着强化学习训练的不断进行,在 AIME 2024 数学竞赛基准上的表现,DeepSeek-R1-Zero 的 Pass@1得分从 15.6% 提升至 71.0%,最终的 DeepSee…
梁文锋团队正面回应蒸馏质疑、发布详尽安全报告
每周7亿人都在如何用ChatGPT?OpenAI最全报告来了
创始人是ICML'25时间检验奖作者。
一夜刷屏!27岁姚顺雨离职OpenAI,清华姚班天才转型做产品经理?
总的来说,MSL这篇新论文的核心思想是通过一种LanguageSelf-Play(LSP)的方法,让大型语言模型在没有额外训练数据的情况下实现自我提升。 为了将这个博弈转化成模型强化学习的过程,研究中采用…
10/31 16:58
10/31 16:56
10/31 16:55