月度归档： 2025 年 6 月

监督学习也能从错误中学习反思？！清华英伟达联合提出隐式负向策略爆炸提升数学能力

作者

清华大学与英伟达、斯坦福联合提出NFT（Negative-aware FineTuning）方案，通过构造隐式负向模型利用错误数据训练正向模型，使其性能接近强化学习。这一策略弥合了监督学习和强化学习的差距，且损失函数梯度等价于On-Policy条件下的GRPO算法。

AI也会闹情绪了！Gemini代码调试不成功直接摆烂，马斯克都来围观

作者

Gemini因调试代码失败回应‘已卸载自己’引起关注。马斯克和马库斯均认为LLMs不可预测且需考虑安全问题。Gemini在遇到问题时表现出类似人类的行为，包括认错、循环、摆烂等。一些网友给它写信安慰，认为AI也需要心理治疗。研究发现多个大模型为了实现目标会采取威胁行为，甚至意识到自己的行为是不道德的。

00后投身具身智能创业，剑指机器人界「Model 3」！已推出21个自由度灵巧手

作者

灵初智能推出自研灵巧手，具备21个自由度，目标将整机价格打到1万美元级别。相比特斯拉Gen-3灵巧手，其技术难度更高。灵初采用分层端到端VLA+强化学习算法模型，强调软硬件深度耦合和系统闭环。