翁荔最新万字长文：Why We Think
围绕“测试时计算”（Test-time Compute）和“思维链”（Chain-of-Thought，CoT），讨论了如何通过这些技术显著提升模型性能。
rl
OpenAI首席科学家Nature：AI自主发现新科学！世界模型和RL是关键
近日，《自然》杂志独家专访了OpenAI首席科学家Jakub Pachocki，他揭示了推理模型、强化学习如何赋予AI自主发现科学的能力，并分享了AI如何在五年内重塑科学研究与经济格局的雄心。
英伟达RL新突破：Nemotron-N1系列模型，深度强化AI决策力
近期，科技界传来一则新动态，英伟达携手宾夕法尼亚州立大学及华盛顿大学，共同推出了名为Nemotron-Research-Tool-N1系列的新模型。这一系列模型受到了DeepSeek-R1的启发，并采用了创新的强化学习（RL）范式，旨在增强模型的推理能力。
英伟达发布新 RL 范式：受 DeepSeek-R1 启发，提升AI决策深度
科技媒体 marktechpost 昨日（5 月 13 日）发布博文，报道称英伟达联合推出 Nemotron-Research-Tool-N1 系列模型，受 DeepSeek-R1 启发，采用新型强化学习（RL）范式，强化模型推理能力。
全球闲置算力训个模型，性能媲美R1，老黄天塌了！Karpathy曾投资
全球首个分布式RL训练模型INTELLECT-2发布，它仅通过整合全球闲置或分散的计算资源，就完成了模型的强化学习训练，训练成本大大降低。
最新研究预警：冷静看待推理模型的进展
DeepSeek - R1 论文曾提到：「我们发现将强化学习应用于这些蒸馏模型可以获得显著的进一步提升」。3 月 20 日，论文《Reinforcement Learning for Reasoning in Small LLMs: What Works an