DeepSeek-R1 解读及技术报告中文版
MLNLP社区致力于促进国内外机器学习与自然语言处理领域的交流合作。最新研究成果《DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning》通过纯强化学习实现了模型推理能力的自主进化，并结合蒸馏技术实现高效迁移，显著提升了多项任务表现。
强化学习
Search-R1：高效、可扩展的强化学习训练框架
高效、可扩展的强化学习训练框架Search-R1，支持3B规模的基础LLM，通过规则化奖励机制让LLM自主学会推理和搜索，提供完整的训练流程和工具支持。
一句话让DeepSeek思考停不下来，北大团队：这是针对AI的DDoS攻击
北大团队发现一段提示词可以让大模型陷入无限思考，并且这种现象可以传递和复制。研究显示乱码问题更容易引发模型的“stuck”机制，说明模型有一定程度的防御措施，但面对具有含义的正常文本时仍需加强。
黄仁勋谈推理数据智能新定律，北京大学与神旗数码建立实验室加速AI数据应用｜
英伟达发布四季度和全年财报，提出推理数据计算的扩展规律。神州控股旗下神旗数码发布智能化软件平台‘燕云Infinity’，助力企业数字化转型。
3倍提速！现在你跑不过机器狗了，限制波士顿动力机器狗的竟然是电池功率？
波士顿动力机器狗Spot通过强化学习提高了3倍速度至18.7千米/小时，超越了小型犬的平均奔跑速度。研究人员发现限制机器人运动速度的主要因素是电池供电能力，并提出增加四脚同时离地的飞行阶段可提高速度和稳定性。