AIGC宇宙 AIGC宇宙

强化学习

大模型RL不止数学代码！7B奖励模型搞定医学法律经济全学科， 不用思维链也能做题

大模型RL不止数学代码！7B奖励模型搞定医学法律经济全学科， 不用思维链也能做题
一个7B奖励模型搞定全学科，大模型强化学习不止数学和代码。 o1/r1的强化学习很强，但主要探索了数学和代码领域，因为这两个领域的数据结构化程度高，奖励函数/奖励模型比较好设计。 那么，想提升大模型在其他学科领域的能力该怎么办？
4/3/2025 9:23:08 AM
量子位
小米大模型团队在音频推理领域取得重大突破，登顶国际评测榜

小米大模型团队在音频推理领域取得重大突破，登顶国际评测榜
近日，小米大模型团队在音频推理领域的研究中取得了突破性进展，成功应用强化学习算法于多模态音频理解任务，准确率达到了64.5%，这一成就使其在国际权威的 MMAU 音频理解评测中夺得了第一名。 这一成果的背后，离不开团队对 DeepSeek-R1的启发。 MMAU（Massive Multi-Task Audio Understanding and Reasoning）评测集是衡量音频推理能力的重要标准，通过对包含语音、环境声和音乐的多种音频样本进行分析，测试模型在复杂推理任务中的表现。
3/17/2025 2:13:00 PM
AI在线
小米大模型团队登顶音频推理 MMAU 榜，受到DeepSeek-R1启发

小米大模型团队登顶音频推理 MMAU 榜，受到DeepSeek-R1启发
小米技术官方微博宣布，小米大模型团队在音频推理领域取得了显著进展。 他们在受到 DeepSeek-R1的启发后，率先将强化学习算法应用于多模态音频理解任务。 团队在短短一周内便以64.5% 的 SOTA（State Of The Art）准确率，登顶国际权威的 MMAU 音频理解评测榜，并同步将相关技术开源。
3/17/2025 11:43:00 AM
AI在线
万字梳理：揭秘 DeepSeek 中的 RL 与 AGI 下一步丨AIR 2025

万字梳理：揭秘 DeepSeek 中的 RL 与 AGI 下一步丨AIR 2025
在 DeepSeek 能够破圈而出的一众原因中，完全摒弃传统的监督微调（SFT）、转而采用大规模强化学习（RL）的创新之处是关键所在，这使得模型推理能力在质上取得显著突破，更证明了强化学习在提升大语言模型推理能力方面的巨大潜力。 近几年，学界和业界关于 RL 和 LLM 也涌现出了颇多具备开创性意义的研究成果。 在 AI 智能体推理与决策研讨会（AIR 2025）上，来自伦敦大学学院、加州大学伯克利分校、普林斯顿大学、华盛顿大学、卡内基梅隆大学、Meta、华为等多位学术界和工业界的研究人员围绕强化学习、推理决策、AI 智能体展开讨论，回答了诸多问题，例如：AI 系统如何模拟类人推理和决策过程？
3/3/2025 8:26:00 PM
王悦
OpenAI：强化学习确实可显著提高LLM性能，DeepSeek R1、Kimi k1.5发现o1的秘密

OpenAI：强化学习确实可显著提高LLM性能，DeepSeek R1、Kimi k1.5发现o1的秘密
最近，OpenAI 发了一篇论文，宣称 o3 模型在 2024 IOI 上达到了金牌水平，并且在 CodeForces 上获得了与精英级人类相当的得分。 他们是怎么做到的呢？ OpenAI 在论文开篇就用一句话进行了总结：「将强化学习应用于大型语言模型（LLM）可显著提高在复杂编程和推理任务上的性能。
2/19/2025 7:05:00 PM
机器之心
OpenAI联创Schulman闪电跳槽！从Anthropic转投Murati新公司

OpenAI联创Schulman闪电跳槽！从Anthropic转投Murati新公司
跑去隔壁Anthropic的OpenAI联创John Schulman，又又又跳槽了。 《财富》爆料，Schulman新的去向，是加入原OpenAI首席技术官Mira Murati的新创业公司。 此时距离他转投Anthropic，仅仅不到半年。
2/7/2025 10:13:16 AM
量子位
讲座预约丨四位专家大论道 ：大模型时代的强化学习丨GAIR live

讲座预约丨四位专家大论道 ：大模型时代的强化学习丨GAIR live
站在科技创新的浪潮之巅，我们见证了人工智能领域的巨大飞跃，尤其是大模型技术与强化学习中的结合和突破性应用，正在引领我们进入一个全新的智能时代。 在过去几年中，强化学习作为人工智能的一个重要分支，已经从理论研究的深奥殿堂走向了实践应用的广阔天地，从实验室的封闭空间走向了我们日常生活的各个角落。 在自动驾驶、游戏AI、机器人控制等领域，强化学习的身影无处不在，它们正逐步成为我们生活中不可分割的一部分。
8/23/2024 11:43:00 AM
岑大师
对话南洋理工大学安波教授：如何让大语言模型适应动态环境？丨IJAIRR

对话南洋理工大学安波教授：如何让大语言模型适应动态环境？丨IJAIRR
对人类越是简单的问题，大语言模型反而越难以做好？ 尽管现在的大模型已经有能力冲击数学竞赛级别的题目，但在像“9.11和9.9谁大”这样的简单问题上仍然会翻船。 而从推特上网友对问题的讨论中猜测，出现这种错误的原因可能是由于大模型以token的方式来理解文字，当9.11被拆成“9”、“.”和“11”三部分时，11确实比9大。
7/18/2024 10:09:00 AM
岑大师
  • 1