强化学习推理现状 — 理解 GRPO 以及从推理模型论文中获得的新见解
Sebastian Raschka 分享了关于强化学习推理现状的文章内容，包括理解推理模型、RLHF 基础知识、PPO 算法介绍及 GRPO 的应用等，并探讨了训练推理模型的经验和研究论文。
月度归档： 2025 年 4 月
清华张亚勤：10年后，机器人将可能比人都多
张亚勤在新书《智能涌现》中预测，未来10年后机器人可能比人都多，并进入家庭。AI技术正从“数字化3.0”升级，发展方向包括大模型、自动驾驶和生物智能。他提出了五大趋势和发展方向，强调统一标识和规模定律的重要性，以及需要新的算法体系支持通用人工智能的实现。
硅谷AI初创要让60亿人失业，网友痛批人类叛徒！Jeff Dean已投
新创公司Mechanize旨在通过AI智能体全面自动化所有工作和经济，目标市场规模达60万亿美元。该公司已获多家投资，并计划用虚拟环境和强化学习训练数据来实现这一目标。然而，这一计划引发了广泛争议与批评。