R1

DeepSeek-V3与R1合体！快手开源AutoThink大模型，终结AI「过度思考」时代

作者

快手KwaiCoder-AutoThink开源大模型，通过实现快慢双模思考模式优化推理效率，解决AI过度思考问题，提升性能20分。它采用了创新的Step-SRPO强化学习框架进行训练，并在多个场景中展示了其优越性。

R1–Zero强化学习路线新发现及R1思路用于GUI Agent动作预测方案

作者

2025年4月1日，北京天气晴。文章介绍了R1进展中的两个工作，一是研究多种基础模型预训练特性的影响；二是将GRPO-RL强化用于Agent的UI动作预测，数据和奖励函数设计有趣。研究发现Qwen2.5模型在不使用模板的情况下有强大的推理能力，但模板会破坏数学解题能力。此外，文章还讨论了强化学习在图形用户界面（GUI）动作预测中的应用。