热门事件

俄乌战争专题

特朗普，马斯克 相关事件跟踪

巴以冲突最新进展

尹锡悦弹劾案全纪录

比亚迪”黑奴工”事件

香港47人案

各种举报事件汇总

AI热点追踪

加密货币热点跟踪

推荐信息源

avatar

网易新闻-红星新闻

orange.ai

orange.ai

#语言混乱#思考模型#RL

卧槽，我在 Google Gemini Thinking 中竟然体验到了 DeepSeek R1 Zero 的论文里提到的语言的混乱现象 出现了很多种，完全分辨不出来是什么语言... 难道 Google 这个思考模型也是靠大量 RL 搞出来的吗？

相关信息

马东锡 NLP 🇸🇪

马东锡 NLP 🇸🇪

2025-04-04 17:33:30

「LLM x RL」DeepSeek 最新论文：Inference-Time Scaling for Generalist Reward Modeling 在 RL 中，Reward Modeling（RM）是一个非常重要的部分。RM 主要用于对 LLM 的生成结果进行打分，从而调整 LLM 的 policy，使其更符合 RM 设定的要求，比如更强的 reasoning 能力。 针对特定任务（

马东锡 NLP 🇸🇪

马东锡 NLP 🇸🇪

2025-04-02 06:34:00

「LLM， Agent, RL的关系」 在LLM的语境下，Agent是能理解问题，自主进行推理（Reasoning），并采取行动的系统。你可以把它想象成一个非常聪明的助手，当你提出复杂问题时，它不会立即给出答案，而是会在内心进行推理和规划（Planning），再给出最终决定。 如果我们回顾prompt engineering中提高LLM Reasoning能力的方法，如Self-Consis

德國之音

德國之音

2025-03-18 06:27:39

瑞典政治家Göran Lindblad 就VOA \RFA\RFE\RL 等媒體被暫停資助發表評論。 The name Bloody Saturday is unfortunatly very much to the point describing the Trump administrations grave misstake to silence good journalism and es

向阳乔木

向阳乔木

2025-03-09 09:34:05

“OpenAI的计划是从GPT-5开始，把直觉模型和思考模型统一起来，由系统自己决定是否开启深度思考。” 有意思，真的从人大脑运作角度统一起来了。 系统1：快思考，传统大模型（GPT4.5、Deepseek V3 ） 系统2：慢思考，推理模型（O1-pro、Deepseek R1） 脑科学和计算机科学，互相启发~

Panda

Panda

2025-01-29 03:18:32

【从DeepSeek到AI行业的四个思考】 一、论文推荐：大模型领域的「教科书式」样本 今天重读DeepSeek系列论文，印象深刻的其实是24年2月的 DeepSeek-Math ，如果说关于大模型领域你没有太多时间看论文，那单看这篇就够了，蕴含了他们对数据工程、RL的一切思考和实践，而其他论文都像是按部就班的后来之作，solid的工作是今天流量爆炸的基础 二、GPU ownership ≠

评论 0

相关信息

马东锡 NLP 🇸🇪

马东锡 NLP 🇸🇪

2025-04-04 17:33:30

「LLM x RL」DeepSeek 最新论文：Inference-Time Scaling for Generalist Reward Modeling 在 RL 中，Reward Modeling（RM）是一个非常重要的部分。RM 主要用于对 LLM 的生成结果进行打分，从而调整 LLM 的 policy，使其更符合 RM 设定的要求，比如更强的 reasoning 能力。 针对特定任务（

马东锡 NLP 🇸🇪

马东锡 NLP 🇸🇪

2025-04-02 06:34:00

「LLM， Agent, RL的关系」 在LLM的语境下，Agent是能理解问题，自主进行推理（Reasoning），并采取行动的系统。你可以把它想象成一个非常聪明的助手，当你提出复杂问题时，它不会立即给出答案，而是会在内心进行推理和规划（Planning），再给出最终决定。 如果我们回顾prompt engineering中提高LLM Reasoning能力的方法，如Self-Consis

德國之音

德國之音

2025-03-18 06:27:39

瑞典政治家Göran Lindblad 就VOA \RFA\RFE\RL 等媒體被暫停資助發表評論。 The name Bloody Saturday is unfortunatly very much to the point describing the Trump administrations grave misstake to silence good journalism and es

向阳乔木

向阳乔木

2025-03-09 09:34:05

“OpenAI的计划是从GPT-5开始，把直觉模型和思考模型统一起来，由系统自己决定是否开启深度思考。” 有意思，真的从人大脑运作角度统一起来了。 系统1：快思考，传统大模型（GPT4.5、Deepseek V3 ） 系统2：慢思考，推理模型（O1-pro、Deepseek R1） 脑科学和计算机科学，互相启发~

Panda

Panda

2025-01-29 03:18:32

【从DeepSeek到AI行业的四个思考】 一、论文推荐：大模型领域的「教科书式」样本 今天重读DeepSeek系列论文，印象深刻的其实是24年2月的 DeepSeek-Math ，如果说关于大模型领域你没有太多时间看论文，那单看这篇就够了，蕴含了他们对数据工程、RL的一切思考和实践，而其他论文都像是按部就班的后来之作，solid的工作是今天流量爆炸的基础 二、GPU ownership ≠