#GRPO
共 80 篇相关文章
·15 分钟
开源vs闭源模型、奖励黑客与刷榜：AI大模型核心技术问题深度解析
深入解析AI大模型领域六大核心议题：开源与闭源模型之争、推理吞吐量与精度权衡、基准测试刷榜问题、蒸馏与强化学习路径、奖励黑客防御策略，以及动态量化技术如何通过软件优化释放硬件潜力。
阅读全文 →
·15 分钟
强化学习入门指南：从零到RLHF的完整学习路线图
系统梳理强化学习入门路径，涵盖Sutton&Barto经典教材、David Silver课程、OpenAI Spinning Up等核心资源推荐，帮助有深度学习基础的学习者从RL基础理论进阶到RLHF实践。
阅读全文 →
·8 分钟
Unsloth支持AMD GPU：500+模型训练加速2倍、显存省70%
Unsloth正式支持AMD GPU平台，覆盖RDNA 3-4、Strix Halo及MI300等全线硬件，在500+模型上实现2倍训练加速和70%显存节省，支持强化学习、vLLM权重共享，兼容Windows/Linux/WSL三大系统。
阅读全文 →
·11 分钟
DeepSeek V4 Pro：开源大模型社区为何翘首以盼
DeepSeek V4 Pro引发开源社区热议。本文分析DeepSeek从V2到V3的迭代路径、MoE架构的成本优势，以及开发者对下一代开源大模型的期待与理性判断建议。
阅读全文 →
·7 分钟
开源AI数学推理能力评估：最新进展与核心挑战
深入分析开源AI模型在数学推理任务上的最新进展，探讨数据污染、基准饱和等评估挑战，以及形式化验证、思维链等前沿方法如何推动更客观的数学能力衡量体系。
阅读全文 →
·11 分钟
探索式建模：Best-of-K训练策略如何提升模型学习效率
探索式建模通过让模型生成K个候选预测并择优学习，在训练中引入探索机制。本文深入解析Best-of-K训练策略的核心原理、适用场景及其与强化学习、拒绝采样微调的关联，探讨计算开销与评估可靠性等关键挑战。
阅读全文 →
·12 分钟
读懂Kimi K3技术报告的完整学习路径
系统梳理读懂Kimi K3技术报告所需的完整学习路径，涵盖MoE混合专家模型、MLA多头潜在注意力、分布式训练策略及现代后训练技术四大核心模块，帮助开发者从认识术语进阶到理解设计哲学。
阅读全文 →
·11 分钟
Freesolo Flash：企业小模型训练全栈平台深度解析
Freesolo Flash是一个面向企业的小语言模型（SLM）训练全栈平台，通过将强化学习商品化，帮助团队低成本训练专用AI模型。本文深度解析其产品定位、核心功能与行业机会。
阅读全文 →
·9 分钟
Kimi K2/K3技术猜想：强化学习超参数与多教师蒸馏深度解析
深入解析Kimi K2/K3模型训练中强化学习超参数调优的核心挑战，以及9策略多教师蒸馏的技术逻辑与潜在价值，探讨大模型训练从参数规模竞赛转向训练工艺精细比拼的前沿趋势。
阅读全文 →
·7 分钟
500美元强化学习微调，9B小模型击败前沿大模型
仅花费500美元对9B开源模型进行强化学习微调，即可在目录审查任务上超越前沿大模型。本文解析小模型RL微调的适用场景、成本优势及对企业AI落地的实际启示。
阅读全文 →
·11 分钟
腾讯HY3开源模型深度实测：轻量MoE硬刚旗舰级性能
腾讯HY3开源大模型正式发布，2950亿MoE架构仅激活210亿参数，实测前端开发、3D模拟、代码生成表现出色，性价比碾压同级竞品，与DeepSeek V4 Pro正面竞争，Apache 2.0商用免费。
阅读全文 →
·16 分钟
DeepSeek神秘撤稿论文：用视觉基元突破AI多模态推理瓶颈
DeepSeek一篇名为《Thinking with Visual Primitives》的论文上线仅4小时即被撤下。论文提出用边界框与点作为视觉推理基元，让模型在思考时直接"指向"图像，在迷宫导航、路径追踪、细粒度计数等任务上大幅超越GPT、Gemini和Claude，为多模态AI推理开辟新方向。
阅读全文 →
·14 分钟
Qwen3深度解析：开源混合推理大模型的全面进化
阿里千问第五代模型Qwen3全面解析：6款Dense与MoE架构模型覆盖0.6B至235B，全球首款开源混合推理模型，旗舰235B性能追平Gemini 2.5 Pro，开发者与企业部署的完整参考指南。
阅读全文 →
·12 分钟
RAM：扩散模型强化学习后训练提速50倍的第一性原理
RAM（Reinforce Adjoint Matching）通过丢弃路径成本、结合ODE采样与去相关训练目标，将扩散模型强化学习后训练效率提升50倍。本文深入解析RAM核心原理、训练流程及与Flow-GRPO的对比实验。
阅读全文 →
·14 分钟
AI推理提效两条路径：测试时扩展与形式化验证
本文融合微软研究院峰会两场报告核心观点，深度解析AI推理提效的两条关键路径：帝国理工Hongxiong Fan提出的测试时扩展与可变粒度搜索，以及微软研究院印度的验证式推理框架，探讨如何让AI推理兼具效率与可信性。
阅读全文 →
·5 分钟
科大讯飞T30 Lite学习机深度评测：双AI引擎+12.5英寸护眼大屏
科大讯飞T30 Lite学习机搭载星火大模型与DeepSeek双AI引擎，配备12.5英寸护眼大屏、8GB+512GB存储，主打高考同源技术与个性化AI辅导。本文深度解析其硬件配置、AI学习能力与选购建议，助K12家庭做出明智决策。
阅读全文 →
·7 分钟
腾讯混元HY3深度评测：小体量开源模型如何逆袭大厂
腾讯开源推理模型混元HY3（Hunyuan 3）深度解析：MoE架构、2950亿总参数、Apache 2.0商用许可，编程与前端表现媲美DeepSeek V4 Pro，成本仅为专有模型的1/35。多方实测数据全面解读。
阅读全文 →
·7 分钟
AI Agent开发四阶段学习路线：从入门到实战全解析
系统梳理AI Agent开发的四阶段学习路线：核心概念入门、ReAct等原理范式、强化学习与多智能体协作优化、实战项目落地。无论求职跳槽还是接项目变现，掌握智能体开发才是当前大模型领域的真正硬核竞争力。
阅读全文 →
