公众号
机器之心
专业的人工智能媒体和产业服务平台
这个来源的文章
X上63万人围观的Traning-Free GRPO：把GRPO搬进上下文空间学习
直接把 GRPO 的「学习过程」搬进上下文空间
阅读全文 ：X上63万人围观的Traning-Free GRPO：把GRPO搬进上下文空间学习不用强化学习也能推理，哈佛新采样算法竟能让基础模型比肩GRPO后训练版本
No RL, no training, no verifiers, no prompting. ❌
阅读全文 ：不用强化学习也能推理，哈佛新采样算法竟能让基础模型比肩GRPO后训练版本R-HORIZON：长程推理时代来临，复旦NLP&美团LongCat重磅发布LRMs能力边界探测新范式
首个系统性评估与增强 LRMs 长链推理能力的方法与基准。
阅读全文 ：R-HORIZON：长程推理时代来临，复旦NLP&美团LongCat重磅发布LRMs能力边界探测新范式SIGGRAPH Asia 2025｜电影级运镜一键克隆！港中文&快手可灵团队发布CamCloneMaster
模型就能直接「克隆」其相机运动并应用于新内容，从根本上告别了对相机参数的依赖。
阅读全文 ：SIGGRAPH Asia 2025｜电影级运镜一键克隆！港中文&快手可灵团队发布CamCloneMasterHumanSense：探索多模态推理边界，打造「察言观色会共情」的全模态交互伙伴
一个专为「理解与交互」设计的全模态评估基准 以及一个支持视听融合思考的全模态推理模型。
阅读全文 ：HumanSense：探索多模态推理边界，打造「察言观色会共情」的全模态交互伙伴Dexmal原力灵机开源Dexbotic，基于PyTorch的一站式VLA代码库
推动具身智能从「重复造轮子」走向「协同创新」
阅读全文 ：Dexmal原力灵机开源Dexbotic，基于PyTorch的一站式VLA代码库豆包是如何炼成的？字节放出自研万卡训练系统ByteRobust论文
告别 NaN 与训练中断：字节 ByteRobust 让万卡集群稳如泰山
阅读全文 ：豆包是如何炼成的？字节放出自研万卡训练系统ByteRobust论文RewardMap: 通过多阶段强化学习解决细粒度视觉推理的Sparse Reward
系统提升 MLLMs 的细粒度视觉理解与空间推理能力
阅读全文 ：RewardMap: 通过多阶段强化学习解决细粒度视觉推理的Sparse Reward大模型微调范式认知再被颠覆？UIUC、Amazon团队最新研究指出SFT灾难性遗忘问题或被误解
遗忘问题可能更多源于训练策略的选择，而不是单单SFT本身。
阅读全文 ：大模型微调范式认知再被颠覆？UIUC、Amazon团队最新研究指出SFT灾难性遗忘问题或被误解