RLVR

近两百万人围观的Karpathy年终大语言模型清单，主角是它们

近两百万人围观的Karpathy年终大语言模型清单，主角是它们

2025 年还有 10 天就要结束，这意味着是时候进行一波年终总结了。对于人工智能领域而言，2025 年是大语言模型（LLM）快速演进、重磅事件密集出现的一年。就在昨天，知名 AI 学者 Karpathy 列出了一份清单，记录了他个人认为最重要、也多少有些出乎意料的「范式转变」。

12/21/2025 6:50:00 PM 机器之心

1.5B刷新数学代码SOTA！快手&清华精细化Token管理，LLM推理能力飙升

1.5B刷新数学代码SOTA！快手&清华精细化Token管理，LLM推理能力飙升

当大模型在数学题和代码任务里“卷”参数规模时，一支来自快手和清华的团队给出了不同答案——. 他们用1.5B参数的小模型，在多个推理基准上干过了同量级SOTA。秘密在于给模型的“学习过程”做了精细化管理：让该记牢的知识稳住，让该灵活的推理放开。

7/31/2025 12:13:29 PM 不圆

IBM 研究：可验证奖励强化学习（RLVR）通过 GRPO 提升模型推理能力

IBM 研究：可验证奖励强化学习（RLVR）通过 GRPO 提升模型推理能力

大家好，我是肆〇柒。今天，我们来探讨一篇来自IBM Research的前沿论文《REINFORCEMENT LEARNING WITH VERIFIABLE REWARDS: GRPO’S EFFECTIVE LOSS, DYNAMICS, AND SUCCESS AMPLIFICATION》。这篇论文由Youssef Mroueh撰写，聚焦于强化学习（Reinforcement Learning, RL）领域中一个极具潜力的研究方向——如何通过可验证奖励（RLVR）来优化大型语言模型（LLM）的训练。

5/30/2025 4:00:00 AM 肆零柒

资讯热榜

免费！让图片放大不失真的位图转矢量图神器 Tmttool AI应用新纪元：2025中国AI应用排行榜榜单揭晓丨2025年1月 6秒视频10秒生成！全新AI视频神器 Grok Imagine 深度体验+元提示词分享最火、最全的Agent记忆综述，NUS、人大、复旦、北大等联合出品后悔没早发现！教你用谷歌Gemini生成精美PPT（附提示词） GGUF 是什么？一文看懂大模型里最火的模型格式 Sora、可灵、即梦哪家强？AI视频软件深度测评！ Mac也能跑Qwen3，一文看懂本地部署qwen 3配置要求

标签云

AI 人工智能 OpenAI AIGC 模型 ChatGPT 谷歌 DeepSeek AI新词 AI绘画大模型机器人数据 Midjourney 开源 Meta 微软智能用户 GPT 学习英伟达 Gemini 智能体技术马斯克 Anthropic 图像 AI创作训练 LLM 论文 AI for Science 代码腾讯苹果算法 Agent Claude 芯片具身智能 Stable Diffusion xAI 蛋白质人形机器人开发者生成式神经网络机器学习 AI视频 3D 字节跳动大语言模型 RAG Sora 百度研究 GPU 生成华为工具 AGI 计算生成式AI AI设计大型语言模型搜索亚马逊 AI模型视频生成特斯拉 DeepMind 场景 Copilot 深度学习 Transformer 架构 MCP 编程视觉