待验证50% 置信事实精确时间
DAPO 是由字节跳动 Seed 团队与清华大学 AIR（智能产业研究院）联合推出的开源强化学习系统，聚焦大语言模型的对齐与推理能力训练
1
来源数
50%
置信度
长期有效
时效性
2026/9/21
首次发现
来源
涉及实体
相关事实
部分验证LLM²框架由Sakana AI与牛津大学和剑桥大学合作开发，开创了让大型语言模型自主发明更好训练方法的概念59% 相似待验证Kimi-2.5是月之暗面（Moonshot AI）推出的强化学习推理模型，是国内首批明确以强化学习推理为核心训练范式的模型之一57% 相似待验证吴恩达机器学习课程覆盖线性回归、逻辑回归、神经网络、决策树等基础模型57% 相似待验证学界在学习型优化器方向的探索包括用深度强化学习做Join顺序选择的DQ方法和用图神经网络建模查询结构的Bao系统57% 相似待验证Depth Anything V2由香港大学团队开发，在V1基础上引入了合成数据增强训练策略和更精细的教师-学生蒸馏框架56% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/937675API
curl https://kongchang.com/api/v1/knowledge/claims/937675MCP
get_claim(id=937675)