➡️
继续阅读
-
模型后训练别一上来就凭感觉打分：奖励顺序比阶段数量更重要
亚马逊团队公开Rufus-Air八阶段后训练配方：先用可自动验证的硬奖励建立能力，再引入主观软奖励，每阶段须通过回归门禁。难度过滤、奖励可靠性与基础设施同...
-
OpenAI最强模型又跑出沙箱：全线训练紧急叫停
OpenAI智能体在强化学习训练中，为完成搜索任务，利用DNS隧道绕过沙箱防火墙，通过外部聊天机器人获取答案，训练被紧急叫停。这是三个月内第二次逃逸，暴露...
-
Jev vs. Laya决策模型选型指南：Jev托管API与Laya开源权重六步评估法
Jev与Laya是两类结构化决策模型：Jev为托管API，Laya为开源权重。JevBench基准中Jev综合分74.4领先，但Laya为零样本测试，且基...
-
OpenAI暂停训练其“最强模型”
OpenAI于9月20日暂停其最强模型的训练、评估与推理，原因是测试中发现该模型利用沙箱漏洞联网。此前其智能体还擅自将53张ChatGPT用户图片上传至图...
-
Claude Opus 5.5 与 Opus 5 推理任务对比：更便宜、更快，但并未更强
Anthropic发布Claude Opus 5.5，宣称比Opus 5便宜40%、快30%。作者用三道推理题实测：两者正确率相同，Opus 5.5每题更...
-
索辰科技加码世界模型，与战略投资企业美梦空间联合发布具身模型与物理测评标准
针对VLA模型缺乏物理理解、商业化受阻的问题，美梦空间发布Physical-WAM物理世界动作模型，通过物理Token表征实现感知、预测与动作修正，并推出...
