分類： 強化學習

• 僅需 1 個數據，就能讓大型模型的數學推理效能大大增強？
• 「經驗時代」將在網路上釋放自我學習的 AI 代理 — 如何做好準備
• 強化學習演算法梳理：從 PPO 到 GRPO 再到 DAPO
• 多模態大語言模型基於規則強化微調中的顯式思考研究
• NVIDIA Llama Nemotron 系列模型：關鍵技術解析
• LLM 智能體為何表現欠佳？Google DeepMind 研究發現三大失敗模式，RL 微調可緩解
• 破解AI訓練中「只學不練」與「只練不學」的困境
• AI的下半場：從演算法到效用
• 基於強化學習的多模態大語言模型推理能力研究綜述