➡️
继续阅读
-
大模型不只是预测下一个词：RLVR让它自己跟自己下棋
大模型不再仅依赖预测下一个词，通过RLVR强化学习，它能自主探索解题路径，从模仿者转变为探索者。预训练如同背诵课文，而RLVR则类似自我解题，借助可验证奖...
-
这个世界模型训练完就“退场”，机器人反而更能干了
光象科技联合清华发布物理原生世界模型ActEffect，训练时预测动作后果并优化策略，执行时退出部署以降低成本。在LIBERO等基准测试中成功率领先，已用...
-
省 token 故事 · 各自为政 - 编程一生
多智能体并行虽高效，但每个智能体需独立上下文，重复阅读文件导致token成本高。自查不可靠，需独立质检。任务书应自包含且窄，验收独立派人，能串行则不并行。...
-
微软称几乎无人通过其聊天机器人获取《纽约时报》文章
微软在版权诉讼中辩称，其AI助手Copilot极少复制新闻或书籍内容。在820万条聊天记录中，仅不到1%包含至少16个匹配词，与《纽约时报》等出版商作品有...
-
“我1%的工程师消耗了40%的token”：Coder与SpaceXAI为何要给开发者提供更好的工具
Coder推出Agent Relay服务，与SpaceXAI合作，使软件团队能在自有基础设施上运行编码代理，而Cursor负责云端推理。该方案针对银行、国...
-
机器人不能停下来等模型：星尘发布 SmoothRL，让在线强化学习跟上大模型的异步推理
星尘智能发布SmoothRL框架，解决真实机器人异步执行中的在线强化学习问题。该框架仅对实际执行的动作进行学习，并保持训练与部署节奏一致。在投掷、戴笔帽、...
