1.5B推理模型新SOTA，RL训练新解法打破「简单题过拟合、难题学不动」的魔咒
1.5B推理模型新SOTA，RL训练新解法打破「简单题过拟合、难题学不动」的魔咒QuestA（问题增强）引入了一种方法，用于提升强化学习中的推理能力。通过在训练过程中注入部分解题提示，QuestA 实现两项重大成果
来自主题: AI技术研报
8076 点击 2025-10-06 13:54
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
QuestA（问题增强）引入了一种方法，用于提升强化学习中的推理能力。通过在训练过程中注入部分解题提示，QuestA 实现两项重大成果
2025年9月30日，荣耀阿尔法全球旗舰店在深圳湾万象城正式开业。作为荣耀阿尔法战略线下落地的核心载体，该旗舰店以“AI终端智慧生活创新工坊”为核心定位，既是科技与人文交融的全球旗舰新地标，也是链接AI领域志趣人群、生态伙伴的开放平台，为大湾区AI产业升级、新质生产力提升带来了具象化场景支撑，也为国庆中秋双节的大众科技文旅体验注入全新动能。
面向自动驾驶的多模态大模型在 “推理链” 上多以文字或符号为中介，易造成空间 - 时间关系模糊与细粒度信息丢失。FSDrive（FutureSightDrive）提出 “时空视觉 CoT”（Spatio-Temporal Chain-of-Thought），让模型直接 “以图思考”，用统一的未来图像帧作为中间推理步骤，联合未来场景与感知结果进行可视化推理。
AI Agent赋能出行领域，将带来怎样的全新体验？滴滴给出了自己的答案，于近日面向公众内测上线了小滴这款打车Agent，颠覆了滴滴自己亲手开创的打网约车的传统模式。
模型上下文协议 (MCP) 是连接 LLM/Agent 与外部工具的通信标准。它允许 LLM 动态发现并调用 API工具，将他们串成一个完整的工作流，从而实现自主规划、推理与执行。 上个月我们悄悄发布
近年来，以强化学习为核心的训练方法显著提升了大语言模型（Large Language Models, LLMs）的推理能力与对齐性能，尤其在理解人类意图、遵循用户指令以及增强推理能力方面效果突出。尽管现有综述对强化学习增强型 LLMs 进行了概述，但其涵盖范围较为有限，未能全面总结强化学习在 LLMs 全生命周期中的作用机制。
OpenAI DevDay不只是发布会，更是硅谷势力扩张的宣言。相比2023年仅靠ChatGPT撑场，如今生态布局已覆盖硬件、社交和浏览器，奥特曼或将发布ChatGPT浏览器，点燃AI编程新战场。
AI又又又帮陶哲轩解决了一个难题！消息来自陶本人最新发帖，他直言不讳地表示：甚至，如果没有AI，他也不会决定采用目前已经取得成功的关键策略。
全球文生图大模型王座，易主了。就在刚刚，LMArena竞技场发布了最新的文生图榜单，第一名来自中国，属于腾讯混元图像3.0！不仅超越了谷歌的Nano Banana，也超越了字节的Seedream和OpenAI的gpt-Image，在全球26个大模型中稳居第一。
奥特曼在一期访谈中，表示ChatGPT从1到10的艰难过程已过去，接下来从10到100可能会容易很多。除此之外，奥特曼也为我们揭秘了ChatGPT是如何诞生的，以及OpenAI的未来愿景等问题。