搜索
在 LLM/MLLM 领域，基于 verifier 奖励的强化微调（Reinforcement Fine-Tuning, RFT，如 GRPO）在激发复杂推理能力方面展现出显著优势。由于 On-policy 优化的特性，很多研究指出 RFT 相比传统的监督微调（SFT）天然具备更强的抗遗忘能力。
认出一个物体之后，换个角度还能认出来，进一步想象它转动后的样子，这些都涉及空间感知。人类需要在头脑中表示物体的形状与方向，理解不同视角之间的关系，并从二维投影中推断三维几何。
Sören Mindermann与Alan Chan牵头、包括Geoffrey Hinton在内的22位学者共同署名的RSI论文提出，在AI研发完全自动化等假设下，研发速度可能在约一年半内提高十倍，但这并非现实时间预测。
周二，北坡的 NorthCUA 团队，突然带来了一套相当完整的电脑智能体开源成果。
如今Agent已经能熟练调用工具、修改文件、运行测试，但面对一个长期演进的大型软件系统，它能否从一份新需求出发，交付完整功能？
经过决策训练的语言模型，重新打开生成开关后，未必还能稳定地推理。在研究者的实验中，4B 模型在约 40% 的问题上几乎不生成推理；9B 模型则走向另一端，在约 70% 的问题上持续生成，直到触及长度上限。
大模型能看懂复杂的网页结构，也能理解各种游戏的通关规则。
代码写错了、命令报错了、环境配坏了，Code Agent 接下来会做什么？
AI 真的能理解三维世界吗？
爱心为什么会让 AI 爱上递归？