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
自搜索强化学习SSRL：Agentic RL的Sim2Real时刻
通过LLM内部世界知识的利用，可以显著提升 Search Agent 的训练效率和稳定性。
阅读全文 ：自搜索强化学习SSRL：Agentic RL的Sim2Real时刻14B打败671B！微软rStar2-Agent在数学推理上超过DeepSeek-R1
671B DeepSeek-R1在数学推理上竟被14B模型超越？
阅读全文 ：14B打败671B！微软rStar2-Agent在数学推理上超过DeepSeek-R1DeepSeek、GPT-5都在尝试的快慢思考切换，有了更智能版本，还是多模态
R-4B模型已全面开源，支持vLLM高效推理。下载量火速破万。
阅读全文 ：DeepSeek、GPT-5都在尝试的快慢思考切换，有了更智能版本，还是多模态首个为具身智能而生的大规模强化学习框架RLinf！清华、北京中关村学院、无问芯穹等重磅开源
首个面向具身智能的「渲训推一体化」大规模强化学习框架
阅读全文 ：首个为具身智能而生的大规模强化学习框架RLinf！清华、北京中关村学院、无问芯穹等重磅开源R-Zero 深度解析：无需人类数据，AI 如何实现自我进化？
模型能够从零开始，通过自我驱动的协同进化生成课程并提升推理能力。
阅读全文 ：R-Zero 深度解析：无需人类数据，AI 如何实现自我进化？DeepSeek、GPT-5带头转向混合推理，一个token也不能浪费
下一个前沿：让 AI 以最低代价在恰当时刻思考
阅读全文 ：DeepSeek、GPT-5带头转向混合推理，一个token也不能浪费CodeAgent 2.0 时代开启｜GitTaskBench，颠覆性定义代码智能体实战交付新标准
考察 Agent 从 仓库理解 → 环境配置 → 增量开发 / 代码修复 → 项目级交付 的全链路能力，把「框架 × 模型」的「经济收益」纳入评测指标。
阅读全文 ：CodeAgent 2.0 时代开启｜GitTaskBench，颠覆性定义代码智能体实战交付新标准