搜索
强化学习（RL）已经成为当今 LLM 不可或缺的技术之一。从大模型对齐到推理模型训练再到如今的智能体强化学习（Agentic RL），你几乎能在当今 AI 领域的每个领域看到强化学习的身影。
尽管人工智能（AI）在飞速发展，当前 AI 开发仍严重依赖人类专家大量的手动实验和反复的调参迭代，过程费时费力。
据《金融时报》报道，由OpenAI 前CTO Mira Murati 创立的隐秘人工智能初创公司 Thinking Machines Lab 已完成 20 亿美元种子轮融资 。这笔交易使这家成立仅 6 个月的初创公司估值达到 100 亿美元。
你能想象一个汽车经销商每天漏接45%电话的场景吗？这意味着几乎一半想要预约保养、询问配件或购车咨询的客户都被直接晾在了一边。
大语言模型（LLMs）在决策场景中常因贪婪性、频率偏差和知行差距表现欠佳。研究者提出强化学习微调（RLFT），通过自我生成的推理链（CoT）优化模型，提升决策能力。实验表明，RLFT可增加模型探索性，缩小知行差距，但探索策略仍有改进空间。
这款 Agent 擅长多轮搜索和推理，平均每项任务执行 23 个推理步骤，访问超过 200 个网址。它是基于 Kimi k 系列模型的内部版本构建，并完全通过端到端智能体强化学习进行训练，也是国内少有的基于自研模型打造的 Agent。
前有美图的出海，验证了“颜值经济”的普适性，也悄然改变着大众对于修图工具类产品的消费认知。
一个真实世界模拟器。
嘿，大家好！这里是一个专注于前沿AI和智能体的频道~
最近，一类「穿越 vlog」爆火了。有人让 Veo 3 变成「时间机器」，将人们带回历史事件中进行现场直播。