搜索
为此，香港中文大学、字节跳动Seed和斯坦福大学研究团队出手，提出了一种面向同声传译的序贯策略优化框架 (Sequential Policy Optimization for Simultaneous Machine Translation, SeqPO-SiMT)。
当前，强化学习（RL）在提升大语言模型（LLM）推理能力方面展现出巨大潜力。DeepSeek R1、Kimi K1.5 和 Qwen 3 等模型充分证明了 RL 在增强 LLM 复杂推理能力方面的有效性。
近日，腾讯 PCG 社交线的研究团队针对这一问题，采用强化学习（RL）训练方法，通过分组相对策略优化（Group Relative Policy Optimization, GRPO）算法，结合基于奖励的课程采样策略（Reward-based Curriculum Sampling, RCS），将其创新性地应用在意图识别任务上，
近日，非凡产研完成了对全球范围内规模以上AI 教育应用的产品收录，共计 88 款。它们的收入情况如何？根据非凡产研数据，全球AI教育App单月营收最大的依然是多邻国(Duolingo)，单月破2亿元；而中国教育AI App，收入排行第一的是作业帮旗下出海产品 Question AI。
通过收集六名志愿者一周的多模态生活数据，研究人员构建了300小时的第一视角数据集EgoLife，旨在开发一款基于智能眼镜的AI生活助手。项目提出了EgoButler系统，包含EgoGPT和EgoRAG两个模块，分别用于视频理解与长时记忆问答，助力AI深入理解日常生活并提供个性化帮助。
2025 年 2 月发布的 NoLiMA 是一种大语言模型（LLM）长文本理解能力评估方法。不同于传统“大海捞针”（Needle-in-a-Haystack, NIAH）测试依赖关键词匹配的做法，它最大的特点是 通过精心设计问题和关键信息，迫使模型进行深层语义理解和推理，才能从长文本中找到答案。
GRPO（Group Relative Policy Optimization）是 DeepSeek-R1 成功的基础技术之一，我们之前也多次报道过该技术，比如《DeepSeek 用的 GRPO 占用大量内存？有人给出了些破解方法》。
《智能涌现》独家获悉，「乐享科技」在近期已经完成其天使轮融资，由IDG资本领投，Monolith、经纬创投、真格基金、红杉种子基金、绿洲资本跟投，融资总金额接近2亿元人民币，投后估值约为6亿元。本轮融资后，乐享科技将继续投入到第一款产品的研发，以及团队的搭建及技术储备。
36氪获悉，「乐享科技」于近期完成天使轮融资本轮融资由IDG资本领投，Monolith、经纬创投、真格基金、红杉种子基金、绿洲资本跟投，融资总金额接近2亿元人民币，投后估值约为6亿元
未来，掌握持续提示工程技术的开发者，将主导下一代智能系统的进化方向。