在GSM8K上比GRPO快8倍！厦大提出CPPO，让强化学习快如闪电
在GSM8K上比GRPO快8倍！厦大提出CPPO，让强化学习快如闪电DeepSeek-R1 的成功离不开一种强化学习算法：GRPO（组相对策略优化）。
来自主题: AI技术研报
8226 点击 2025-04-01 16:16
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
DeepSeek-R1 的成功离不开一种强化学习算法：GRPO（组相对策略优化）。
3 月 29 日，智源研究院在 2025 中关村论坛 “未来人工智能先锋论坛” 上发布首个跨本体具身大小脑协作框架 RoboOS 与开源具身大脑 RoboBrain，可实现跨场景多任务轻量化快速部署与跨本体协作，推动单机智能迈向群体智能，为构建具身智能开源统一生态加速场景应用提供底层技术支持。
机器人落地复杂场景，社交导航能力一定是避不开的关键一点。
数学题， 一直是检验 AI 实力的 “硬核考场” —— 公式推导、逻辑链条、抽象思维缺一不可 。最近，我好了几天时间对国内外 7 款大厂模型展开了一场 “数学高考 ”，用阿里全球数学竞赛 + 中国奥赛真题实测它们的智商上限。
这比真人都真
2025年，人工智能领域正在经历一场由LLM Agent引发的深刻变革，不管普通人的衣食住行还是研究者的尖端研究，都很难不受Agent的影响。
从Google Glasses到HoloLens，再到近几年雷鸟创新、Even Realities、影目、星纪魅族、Rokid等陆续发布量产产品，AR眼镜在不断刷新其轻薄程度。
“创业公司不要浪费一分钱去训练底层模型”、“所有的应用都是套壳应用，关键是如何构建长期壁垒”。
目前AI短剧还在“有没有”的阶段，但普通观众在乎的是“好不好看”。
一夜之间，OpenAI更新三大动向，开源、融资、用户暴增。第一，将开源一个具备推理能力的大语言模型，包含参数权重那种。上一次这样开源还是6年前推出GPT-2。