人形机器人优雅漫步，强化学习新成果！独角兽Figure创始人：之前大家吐槽太猛
人形机器人独角兽Figure展示了利用强化学习实现的自然人形行走技术，机器人步态更像人、速度更快，并且在不同场景下均表现出优异性能。
强化学习
千问深夜发布第二大视觉语言模型！
阿里云千问团队发布了Qwen2.5-VL-32B-Instruct模型。该模型在多个方面实现了重要突破：优化了模型规模、提升了性能，并在视觉理解和数学推理等方面取得了显著进步。
谷歌地表最强模型深夜来袭！Gemini 2.5 Pro发布即屠榜，代码推理杀疯了
谷歌最新发布的Gemini 2.5 Pro模型在推理和代码能力上表现优异，横扫多个基准测试排行榜榜首，并且实现了显著的性能提升。
推理延展到真实物理世界，英伟达Cosmos-Reason1：8B具身推理表现超过OpenAI ο1
答案的情况，比如以下例子：
根据视频中本车的动作，它接下来最有可能立即采取的行动是什么？
A：右转，
OpenAI 发布新型音频模型，听起来比以往任何时候都更像人类
OpenAI发布了两款新的音频模型GPT-4o-transcribe和GPT-4o-mini-transcribe，旨在提升语音转文本的准确性，并引入可操控性文本转语音功能。此举为自然、直观的口语对话迈出了重要一步。
Understand-R1-Zero：深入剖析R1-Zero类训练方法
深入剖析R1-Zero训练方法，发现其已展现‘灵光一现’现象，并提出Dr. GRPO算法优化强化学习过程。仅用8×A100 GPU在27小时内实现SOTA性能。
DeepSeek R1-Zero 内幕大公开：原来“顿悟时刻”早就来了？还有 GRPO 的秘密
新加坡国立大学与海航人工智能实验室团队提出了一篇关于R1-Zero-like训练的新论文。文章详细分析了基座模型和强化学习（RL）两大基石，并指出现有方法可能存在偏见问题，提出了改进方案。
再看行业R1模型如何构建及减少推理大模型过度思考
今天是2025年3月23日，星期日。文章介绍了Fin-R1模型在金融领域的应用及其构建路线，包括数据处理和训练方法，并总结了减少推理大模型过度思考的技术方案。
