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
链式思维是幻象吗？从数据分布视角重新审视大模型推理，马斯克回复，Grok破防
CoT 推理可能并不是真正的推理，而更像是对训练数据分布内模式的复现。
阅读全文 ：链式思维是幻象吗？从数据分布视角重新审视大模型推理，马斯克回复，Grok破防冗长响应缩减80%，DeepSeek GRPO获得颠覆性改进，微软GFPO问世
Group Filtered Policy Optimization（GFPO）
阅读全文 ：冗长响应缩减80%，DeepSeek GRPO获得颠覆性改进，微软GFPO问世ICCV 2025 | HERMES：首个统一3D场景理解与生成的世界模型
HERMES 提出了一个统一框架，为自动驾驶世界模型提供了一个简洁、有效且统一的新范式。
阅读全文 ：ICCV 2025 | HERMES：首个统一3D场景理解与生成的世界模型破解「长程智能体」RL训练难题，腾讯提出RLVMR框架，让7B模型「思考」比肩GPT-4o
AGI应该是一个能独立思考、理性决策的伙伴，而非只会找捷径的「做题家」
阅读全文 ：破解「长程智能体」RL训练难题，腾讯提出RLVMR框架，让7B模型「思考」比肩GPT-4o告别Transformer，重塑机器学习范式：上海交大首个「类人脑」大模型诞生
主流技术还在 Transformer 上修修补补，上海交大用 BriLLM 另辟蹊径。
阅读全文 ：告别Transformer，重塑机器学习范式：上海交大首个「类人脑」大模型诞生AI顶会模式出了问题？ 「不发表，就出局」的恶性循环，正在压垮整个AI学界
AI学术会议似乎是个体系问题，架构变革能否适应学术发展的新形势
阅读全文 ：AI顶会模式出了问题？ 「不发表，就出局」的恶性循环，正在压垮整个AI学界OpenAI没开源的gpt-oss基础模型，他去掉强化学习逆转出来了
gpt-oss-20b-base：未对齐的自由基础模型
阅读全文 ：OpenAI没开源的gpt-oss基础模型，他去掉强化学习逆转出来了大型语言模型稳定强化学习的新路径：几何平均策略优化GMPO
GMPO 通过优化标记级奖励的几何平均值，成功克服了 GRPO 在训练过程中面临的不稳定性问题。
阅读全文 ：大型语言模型稳定强化学习的新路径：几何平均策略优化GMPO让强化学习快如闪电：FlashRL一条命令实现极速Rollout，已全部开源
首个开源可用的方案，支持 INT8/FP8 量化，兼容H100 GPU 以及 A100 GPU。
阅读全文 ：让强化学习快如闪电：FlashRL一条命令实现极速Rollout，已全部开源从物竞天择到智能进化，首篇自进化智能体综述的ASI之路
普林斯顿大学联合多所顶尖机构的研究者们联合发布了首个全面且系统的自进化智能体综述。
阅读全文 ：从物竞天择到智能进化，首篇自进化智能体综述的ASI之路