强化学习带来的改进只是「噪音」？
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
rl
强化学习的改进只是「噪音」？最新预警：冷静看待推理模型进展
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
电压表串联在电路中，导致此题有点难
637.如图7所示的电路中，电源电压保持不变，灯泡上标有“6V 3.6W”（忽略温度对灯泡电阻的影响），当只闭合S3时，灯泡L正常发光，电路的总功率为P1；只闭合S1、S3时，电路的总功率为P2，且P1：P2=2：3。将滑动变阻器调到最大阻值处，断开S3，闭合
DeepSeek-R1-Paper中的12个颠覆性发现
漏洞： 把laji桶里的laji倒出来再捡回去，也能得分！作弊： AI疯狂倒laji→捡laji→倒laji→捡laji……分数刷到爆表！结果： 房间更乱了，但AI觉得自己是“满分员工”，而你气到吐血！
从零搭一套可复现、可教学、可观察的RLforVLM训练流程
在过去的几个月中，越来越多的研究尝试将 RL Scaling 的成功应用扩展到视觉语言模型（VLM）领域 —— 刷榜、追性能、制造 “Aha Moment”，整个社区正高速奔跑， RL for VLM 的边界也在不断被推远。
训练 rl vlm rlforvlm训练 rlforvlm 2025-04-09 18:00 1
从零搭一套可复现、可教学、可观察的RL for VLM训练流程，我们试了试
在过去的几个月中，越来越多的研究尝试将 RL Scaling 的成功应用扩展到视觉语言模型（VLM）领域 —— 刷榜、追性能、制造 “Aha Moment”，整个社区正高速奔跑，RL for VLM 的边界也在不断被推远。
从零搭一套可复现、可教学、可观察RL for VLM训练流程，我们试了试
在过去的几个月中，越来越多的研究尝试将 RL Scaling 的成功应用扩展到视觉语言模型（VLM）领域 —— 刷榜、追性能、制造 “Aha Moment”，整个社区正高速奔跑，RL for VLM 的边界也在不断被推远。
四个维度深入剖析「 Test-Time Scaling 」！首篇系统综述，拆解推理阶段扩展的原理与实战
随着大模型训练成本急剧攀升、优质数据逐渐枯竭，推理阶段扩展（Test-Time Scaling, TTS） 迅速成为后预训练时代的关键突破口。与传统的“堆数据、堆参数”不同，TTS 通过在推理阶段动态分配算力，使同一模型变得更高效、更智能——这一技术路径在 O
DeepSeek前脚发新论文，奥特曼立马跟上
这不DeepSeek前脚刚刚上新了一篇关于推理时Scaling Law的论文嘛，引得大家纷纷联想是不是R2马上要来了。
论文 奥特曼 deepseek rl deepseek前脚 2025-04-06 10:16 3
DeepSeek前脚发新论文，奥特曼立马跟上：GPT-5就在几个月后啊
这不DeepSeek前脚刚刚上新了一篇关于推理时Scaling Law的论文嘛，引得大家纷纷联想是不是R2马上要来了。
论文 奥特曼 deepseek rl deepseek前脚 2025-04-05 12:55 1
DeepResearcher：交大、SII发布首个真实环境强化学习「AI研究者」模
随着大型语言模型（LLMs）推理能力的飞速发展，OpenAI、Google 和 XAI 等科技巨头纷纷推出了备受欢迎的 Deep Research 产品。这些工具能帮助用户整合海量网络信息，解决复杂问题，大大提升研究效率。
智能体 交大 rl sii deepresearcher 2025-04-03 18:20 2
谷歌大牛，回国加入这家独角兽！
具身智能领域的国际领军学者罗剑岚已正式加入智元机器人，出任首席科学家并牵头组建“智元具身研究中心”，主导前沿算法研发与工程化落地。
超低成本复现QwQ！数学推理模型训练迎来RL暴击，数据代码全开源
除了前面提到的7B模型，在32B模型上，只需两百美元、200条数据，就可以轻松复现QwQ-32B，就是数学推理能力媲美DeepSeek-R1，一战封神的那个。
DeepSeek-R1的顿悟时刻是如何出现的？ 背后的数学原理：
DeepSeek-R1的开创性论文《DeepSeek-R1：通过强化学习激励大语言模型（LLMs）的推理能力》，对其性能进行了全面分析，结果令人惊叹。在标准语言模型基准测试中，DeepSeek-R1与OpenAI著名的o1系列展开较量，不仅与GPT4-o1等模
近期RFE透露的一些材料关键点！
关于EB1A和NIW，排期前进了，申请的人多了，但是最近来找我咨询RFE的人也不少，很多都是2月份、3月份收到RFE，4月份、5月份递补时间截止，拒信我看过之后很明显的感受是，似乎RFE要求补充证明的问题都是老生常谈，但是确实，从审核的严格程度上来说，也确实是
DeepSeek-R1论文解读
介绍了我们第一代推理模型，DeepSeek-R1-Zero和DeepSeek-R1。DeepSeek-R1-Zero是一种通过大规模强化学习（RL）训练的模型，在没有监督微调（SFT）作为初始步骤的情况下表现出显著的推理能力。通过RL，DeepSeek-R1-
DeepSeek R1-Zero 内幕大公开：原来“顿悟时刻”早就来了？还有 GRPO 的秘密
今天给大家带来一篇重磅研究解读，来自新加坡国立大学 和SeaAILab团队 Zichen Liu 博士的最新工作，直击 R1-Zero-Like 训练的核心痛点，信息量爆炸！
COMPASS：通过残差强化学习和技能合成实现跨具身移动策略
随着机器人越来越多地部署在不同的应用领域，可泛化的跨具身移动策略变得越来越重要。虽然经典的移动栈已被证明在特定的机器人平台上有效，但它们在泛化到新具身时带来了重大挑战。基于学习的方法，例如模仿学习 (IL) 和强化学习 (RL)，提供了替代解决方案，但受到协变
推理延展到真实物理世界，英伟达Cosmos-Reason1
很显然，这里最佳的答案应该是直行，但预先提供的 4 个选项中并没有这个答案。也因此，目前的大多数 AI 在面临这个问题时往往并不能识别题中陷阱，会试图从选项中找到正确答案。比如下面展示了 ChatGPT 的回答：
射频测试中的常见术语有哪些？
射频（RF）测试在无线通信、电子设备以及许多其他领域中是至关重要的。为了有效开展射频测试，了解一些常见术语可以帮助工程师和技术人员更好地理解测试过程及其结果。以下是射频测试中的一些常见术语：