强化学习
OpenAI姚顺雨：大模型下半场是产品的游戏，做研究也要有产品思维
姚顺雨指出AI发展分为上半场和下半场。上半场以模型和方法为主，而下半场的重点转向如何定义现实任务并有效评估AI的表现。他强调强化学习已能泛化，并提出新的评估规则来解决当前局限性。
浙大×小红书发布MT-R1-Zero：强化学习重塑机器翻译，7B小模型媲美GPT-4o
MT-R1-Zero首次将R1-Zero范式扩展到机器翻译领域，通过规则-度量混合奖励机制实现无需监督微调的端到端强化学习优化。该方法在多项指标上超越了现有模型。
Skywork-OR1：释放强化学习的力量，打造强大的数学和代码推理Agent
Skywork-OR1发布，7B参数量模型在AIME数学竞赛中得分69.8，性能媲美671B DeepSeek-R1，开源模型、数据和代码助力研究。
