仅需1个数据，就能让大模型的数学推理性能大大增强？
最近研究发现仅使用一个数学训练数据就能大幅提升大型语言模型在数学推理任务上的表现，论文提出了1-shot RLVR方法，并展示了其在多个数学和非数学推理任务上的应用效果。
强化学习
拜拜，昂贵的谷歌搜索 API！阿里开源 RL 框架让大模型自给自足、成本直降88%，网友：游戏规则变了
阿里巴巴发布ZeroSearch技术，通过强化学习允许大语言模型开发高级搜索功能，无需真实搜索引擎交互，显著降低API成本至几乎为零。
文生图进入R1时刻：港中文MMLab发布T2I-R1
姜东志博士提出了一种新型的文本生成图像模型T2I-R1，融合了语义层面和细粒度令牌层面的协同推理策略。该模型通过强化学习方法统一了这两个层次的推理解析过程，并使用集成视觉专家模型作为奖励机制来评估生成图片的质量，显著提高了图像生成的效果。
超过谷歌搜索，成本猛降80%！阿里开源创新大模型搜索引擎
阿里巴巴开源了创新搜索引擎ZeroSearch，通过强化学习提升大模型搜索能力，参数70亿和140亿的监督微调模型分别达到33.06%和33.97%，相比谷歌提升了0.5个百分点。
绝对零监督Absolute Zero：类AlphaZero自博弈赋能大模型推理，全新零数据训练范式问世
rning with Verifiable Rewards（RLVR）范式下涌现出一批
「Zero
OpenAI研究员Jason Wei发起的AI灵魂十问，你怎么选？
OpenAI研究员Jason Wei发起了一场关于AI技术偏好的讨论，通过十个问题引发网友热烈回应。网友们的答案揭示了不同AI从业者的观点和偏好。
