搜索
在大模型后训练阶段，监督微调（SFT）和强化学习（RL）是两根不可或缺的支柱。SFT 利用高质量的离线（Off-policy）数据快速注入知识，但受限于静态数据分布，泛化能力往往容易触及天花板并带来灾难性遗忘；RL 则允许模型在探索中不断自我迭代，产生与当前策略同分布（On-policy）的数据，上限极高，但往往伴随着训练极度不稳定、计算资源消耗巨大的痛点。
大模型开发者常面临一个两难选择：要速度，还是省显存？
随着大模型长上下文能力快速增长，海量 KV Cache 存储需求急剧增加，各类 KV Cache 压缩方法如雨后春笋般涌现。然而，这些方案在真实场景中的工程落地却常常陷入困境。
京东云直接把小龙虾搬上云端，单周用户暴涨300%。
RISC-V摘掉紧箍咒！坐上高端算力牌桌，首次原生跑通千亿大模型。
据接近腾讯混元团队的知情人士透露，原字节Seed视觉AI平台团队负责人肖学锋，Infra团队张弛于近期低调入职腾讯，负责大模型Infra相关工作，向腾讯首席AI科学家姚顺雨汇报。
当大众还在热衷于让大模型编代码、写周报或者生成搞笑图片时，硅谷最顶尖的AI技术，已经悄悄渗入了五角大楼的「杀伤链」。
4月21-22日北京站将正式举行~
多模态大模型，到底有多“嘴硬”？ 浙江大学联合阿里巴巴、香港城市大
今日，阿里千问最新旗舰模型预览版Qwen3.5-Max-Preview正式亮相，并登上全球大模型评测平台LMArena。在最新榜单中，该模型拿下1464分，进入第一梯队，同时带动阿里千问跻身全球大模型实验室前五、国内第一。