关于 强化学习 的文章

一、概述本文提出 RIVAL（Reinforcement Learning with Iterative and Adversarial Optimization），一种针对机器翻...

「星连资本（Z基金）」是专注于大模型生态的风险投资基金，侧重早期，管理规模 15 亿元人民币。「Z计划」是面向未上市初创企业与优秀独立开发者/团队，提供 Tokens 赞助、投资支...

近日，在被誉为“Text-to-SQL领域试金石”的国际权威评测基准BIRD-Bench上，中新赛克凭借其自研的Sinovatio-SQL系统，在竞争异常激烈的全球榜单中双双跻身第...

大规模强化学习作为关键路径，能够有效激发大模型复杂推理能力并显著提升其任务泛化性。近期，快手 Kwaipilot 团队重磅发布了 KAT-Dev-72B-Exp，在软件开发能力评测...

近日，快手 Kwaipilot 团队发布了 SeamlessFlow 技术报告，这是对团队所使用的工业级规模强化学习（RL）训练框架的详细介绍。该框架通过创新的数据平面架构，对RL...

在大语言模型的竞争中，数学与代码推理能力已经成为最硬核的“分水岭”。从 OpenAI 最早将 RLHF 引入大模型训练，到 DeepSeek 提出 GRPO 算法，我们见证了强化学...

在短视频与直播混合推荐的场景中，直播推荐系统（RS）需在每次用户请求时决定是否插入直播。不当的直播分配策略会损害用户长期体验，显著降低应用使用时长和留存率。因此，制定最优的直播分配...

捷报频传！继强势入围决赛后，数达安全再攀高峰！在刚刚揭晓的第三届人工智能产品应用创新创业大赛中，数达安全（北京）科技有限公司凭借创新力作——《基于AI大模型的数据安全智能风险监测系...

安全资讯[法规] 《治安管理处罚法》（ 2012版 VS 2025版）新旧对照表安全技术[数据挖掘] 用于代码分析的大型语言模型：LLMs真的能胜任吗？[运维安全] 基于全网资产台...

具身智能，作为人工智能迈向物理世界的核心技术，正在打破虚拟与现实的边界。通过赋予AI以感知、行动、学习的闭环能力，具身智能正在重塑算法、系统和应用之间的关系，推动从虚拟仿真到实体执...