强化学习新发现：无需数学样本，仅游戏训练AI推理大增
强化学习新发现：无需数学样本，仅游戏训练AI推理大增最近，强化学习领域出现了一个颠覆性发现：研究人员不再需要大量数学训练样本，仅仅让 AI 玩简单游戏，就能显著提升其数学推理能力。
来自主题: AI技术研报
6753 点击 2025-06-24 15:25
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
最近，强化学习领域出现了一个颠覆性发现：研究人员不再需要大量数学训练样本，仅仅让 AI 玩简单游戏，就能显著提升其数学推理能力。
在我们去年 AI Scaling Laws article from late last year中，我们探讨了多层 AI 扩展定律如何持续推动 AI 行业向前发展，使得模型能力的增长速度超过了摩尔定律，并且单位 token 成本也相应地迅速降低。
Alexandr Wang的人生堪称AI时代的缩影，19岁辍学到28岁掌管Meta超级智能。在最近的一场专访中，他谈到了AI的潜力与缺陷，他将如何影响这场智能革命的方向？
在思维节奏这件事上，人类早已形成一种独特而复杂的模式。
具身智能可太火了！Generalist AI发布了一段震撼视频，机器人完成高难度任务，全程动作丝滑流畅。而这背后，竟是来自一款国内自研「拂晓」仿人自适应机器人。就在刚刚，这家公司又宣布了新一轮的融资。
成立十年，手握超40项专利和临床研究，这家数字医疗公司正以AI为矛，向多个医疗垂直领域发起总攻。
根据Xsignal AI Holo（AI全息）数据库数据，上图呈现出2025年5月中国Web端AI应用类型的发展全景。
Y Combinator 最近在旧金山举办的 AI Startup School 活动，邀请了大量 AI 领域最具影响力的创始人和专家进行现场对谈和演讲，之前 Andrej Karpathy 在活动上的演讲视频爆火，现在 OpenAI CEO Sam Altman 的最新采访也已上线。
强化学习可以提升LLM推理吗？英伟达ProRL用超2000步训练配方给出了响亮的答案。仅15亿参数模型，媲美Deepseek-R1-7B，数学、代码等全面泛化。
LLM 智能体的时代，单个 Agent 的能力已到瓶颈，组建像 “智能体天团” 一样的多智能体系统已经见证了广泛的成功