Sublime

炸裂！ 斯坦福大学以及华盛顿大学的研究团队展示了一种极低成本的 AI 训练方法，被称为 S1。 1️⃣ S1 仅使用 6 美元就能达到 OpenAI o1-preview 级别的推理性能！同时匹敌Deepseek R1 2️⃣ 推理时间可控：S1 通过简单的“Wait”机制，控制大模型的思考时间，提高推理能力。 🔹 S1 不是 OpenAI o1 或 DeepSeek R1 的直接复刻，但它揭示了在推理时微调 AI 的潜力，甚至可以媲美 Reinforcement... See more

Deepseek使用的GRPO算法与传统 PPO算法（的区别、动机以及工作流程。 GRPO 的本质思路：通过在同一个问题上生成多条回答，把它们彼此之间做“相对比较”，来代替传统 PPO 中的“价值模型”。 这种方法减轻了估计价值函数的负担，且对于很多需要对语言输出进行精细评价的场景（如写文章、对话回答、内容审核），往往更灵活、训练速度更快。

ダンガンロンパV3を進めていて、４章で凹んだ。 犯人が可哀想すぎる。自覚のないまま罪を犯し、裁判で証拠を突きつけられても一切憶えがない。なのに「みんなを助けるため」に罪を受け入れ、エグめに処刑されてしまう……。気の毒過ぎて、王馬へのヘイトが溜まった。王馬、許せぬ。 https://t.co/VjKxsDThYI

看看这篇论文：《7B Model and 8K Examples: Emerging Reasoning with Reinforcement Learning is Both Effective and Efficient》7B 小模型：如何用 8000 个示例，“炼”出会自我反思的 AI？ 我有个朋友，每次听到「AI」都惊呼：“完蛋了！以后我们是不是都要给机器人打工啊？” 还有个做大语言模型的朋友，一提到「大模型」就一脸绝望：“没个几万块的服务器，没个海量数据，还搞什么人工智能？” 今天我要说的故事，正是要打破这些“AI门槛高到太平洋”的刻板印象：告诉你，小到只有... See more

グラディオいつも写真写りがアミシティア #PS4share https://t.co/IduFpxeFiF