魔改AlphaZero后，《我的世界》AI老玩家问世，干活不用下指令
魔改AlphaZero后，《我的世界》AI老玩家问世，干活不用下指令人和智能体共享奖励参数，这才是强化学习正确的方向？
来自主题: AI技术研报
7836 点击 2025-04-12 21:59
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
人和智能体共享奖励参数，这才是强化学习正确的方向？
本篇论文是由南洋理工大学 S-Lab 与普渡大学提出的无分类引导新范式，支持所有 Flow Matching 的生成模型。目前已被集成至 Diffusers 与 ComfyUI。
其实大模型在DeepSeek-V3时期就已经「顿悟」了？
尽管 DeepSeek-R1 在单模态推理中取得了显著成功，但已有的多模态尝试（如 R1-V、R1-Multimodal-Journey、LMM-R1）尚未完全复现其核心特征。
Hugging Face的Open R1重磅升级，7B击败Claude 3.7 Sonnet等一众前沿模型。凭借CodeForces-CoTs数据集的10万高质量样本、IOI难题的严苛测试，以及模拟真实竞赛的提交策略优化，这款模型展现了惊艳的性能。
由UCLA等机构共同组建的研究团队，全球首次在20亿参数非SFT模型上，成功实现了多模态推理的DeepSeek-R1「啊哈时刻」！就在刚刚，我们在未经监督微调的2B模型上，见证了基于DeepSeek-R1-Zero方法的视觉推理「啊哈时刻」！
理解物体的物理属性，对机器人执行操作十分重要，但是应该如何实现呢？
DeepSeek啥都开源了，就是没有开源训练代码和数据。现在，开源RL训练方法只需要用1/30的训练步骤就能赶上相同尺寸的DeepSeek-R1-Zero蒸馏Qwen。
回应DeepSeek，阶跃星辰亮出“三件套”：开源，多模态推理，AI Agent。
DeepSeek-R1及其蒸馏版本模型突破了AI Reasoning和大规模AI性能的新基准，其中DeepSeek-R1-Zero和DeepSeek-R1，已经在推理和问题求解上树立了新的标准。本次研究聚焦于如何利用已有的机器进行模型部署，使用这些先进的模型进行开发和研究。