腾讯混元、英伟达都发混合架构模型，Mamba-Transformer要崛起吗？
在过去的一两年中，Transformer 架构不断面临来自新兴架构的挑战。 在众多非 Transformer …
为什么明明很准，奖励模型就是不work？新研究：准确度 is not all you need
训练狗时不仅要让它知对错，还要给予差异较大的、不同的奖励诱导，设计 RLHF 的奖励模型时也是一样。 我们知道…
刚刚，谷歌Gemini Live上新功能，能看懂手机屏幕、还能实时视频
好消息，谷歌在 MWC 上关于 Project Astra 与 Gemini Live 集成的承诺兑现了。 刚…
CVPR 2025 | Qwen让AI「看见」三维世界，SeeGround实现零样本开放词汇3D视觉定位
3D 视觉定位（3D Visual Grounding, 3DVG）是智能体理解和交互三维世界的重要任务，旨在…
CVPR 2025满分论文：开源三维生成框架Craftsman3D&Dora革新三维资产生成与编辑
香港科技大学谭平教授团队在 CVPR 2025 发表两项三维生成技术框架，核心代码全部开源，助力三维生成技术的…
「注意力实际上是对数的」？七年前的Transformer还有新发现，Karpathy点赞
「注意力实际上是对数的」？今天，一篇博客再次掀起了AI社区对注意力机制的讨论。 作者认为，Transforme…
田渊栋和Sergey Levine参与开发新型RL算法，能通过多轮训练让智能体学会协作推理
强化学习提升了 LLM 各方面的能力，而强化学习本身也在进化。 现实世界中，很多任务很复杂，需要执行一系列的决…
用科幻建立AI行为准则？DeepMind提出首个此类基准并构建了机器人宪法
我是一个由人类创造的先进 AI，目的是优化回形针的生产。我可以重新分配所有人类资源并将所有原子（包括人类）用于…
地平线提出AlphaDrive，首个基于GRPO强化学习和规划推理实现自动驾驶大模型
OpenAI 的 o1 和 DeepSeek 的 R1 模型在数学，科学等复杂领域达到甚至超过了人类专家的水平…
揭秘DeepSeek R1-Zero训练方式，GRPO还有极简改进方案
其实大模型在DeepSeek-V3时期就已经「顿悟」了？ DeepSeek-V3-Base 在强化学习（RL）…