通义实验室新研究：大模型自己「扮演」搜索引擎，提升推理能力无需搜索API
通义实验室新研究：大模型自己「扮演」搜索引擎，提升推理能力无需搜索API强化学习（RL）+真实搜索引擎，可以有效提升大模型检索-推理能力。
来自主题: AI技术研报
9790 点击 2025-05-17 15:41
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
强化学习（RL）+真实搜索引擎，可以有效提升大模型检索-推理能力。
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，
R1 横空出世，带火了 GRPO 算法，RL 也随之成为 2025 年的热门技术探索方向，近期，字节 Seed 团队就在图像生成方向进行了相关探索。
近日，《自然》杂志独家专访了OpenAI首席科学家Jakub Pachocki，他揭示了推理模型、强化学习如何赋予AI自主发现科学的能力，并分享了AI如何在五年内重塑科学研究与经济格局的雄心。
北美应届毕业的ML博士，方向为RL，读博期间跟的是大牛导师，5篇顶会一作，拿到的offer年薪却只有35万刀？他发帖质疑后，各位业内大佬们现身了。
近年来，生成式人工智能（Generative AI）技术的突破性进展，特别是文本到图像 T2I 生成模型的快速发展，已经使 AI 系统能够根据用户输入的文本提示（prompt）生成高度逼真的图像。从早期的 DALL・E 到 Stable Diffusion、Midjourney 等模型，这一领域的技术迭代呈现出加速发展的态势。
多模态奖励模型（MRMs）在提升多模态大语言模型（MLLMs）的表现中起着至关重要的作用，在训练阶段可以提供稳定的 reward，评估阶段可以选择更好的 sample 结果，甚至单独作为 evaluator。
近年来，基于视频生成模型的可交互世界生成引发了广泛关注。尽管现有方法在生成质量和交互能力上取得了显著进展，但由于上下文时间窗口受限，生成的世界在长时序下严重缺乏一致性。
华人学者参与的一项研究，重新确立了强化学习在LLM微调的价值，深度解释了AI训练「两阶段强化学习」的原因。某种意义上，他们的论文说明RL微调就是统计。
近日，curl 项目（一款用于通过 URL 传输数据的命令行工具和库）创始人 Daniel Stenberg 在领英发帖称，已经受够了由 AI 生成的大量“垃圾”漏洞报告，因此近期引入额外复选框，用以过滤此类平白浪费维护人员时间的低效提交内容。