两者均可以复现出稳定的 accuracy reward 以及 response length 增长，并且具备 visual aha-moment！ 惊人的数据效率：仅使用 54K 图文数据进行规则型 RL 训练，平均性能超过使用 1M 数据的 MPO 模型；整体基准准确率与使用 12M 数据进行 CoT SFT 训练的模型相当！ MM-Eureka-Zero 仅 ...

例如：The solution finally dawned on him.（他终于明白了解决办法。） Aha! moment：有时候，灵感像电流般突然造访，可以用“Aha! moment”来形容。好比我最近洗澡的时候突然灵光一闪，带来了新的解决方案。 the penny drops：这个表达字面上意味着“一枚硬币掉落”，而 ...

开源框架： 我们基于 OpenRLHF 开发了一个高效可扩展的多模态大规模强化学习框架，支持 InternVL 等多种模型和 RL 算法。相比 R1-V 等已有框架，我们的方案成功训练了 InternVL 2.5-38B 等大型模型。 稳定训练： ...

提示词：A pair of pastel-colored headphones with a gradient from blue to purple, floating in a soft pink background. In the ...

OpenAI 的 o1 和 DeepSeek 的 R1 ...

让广大用户感觉到手机里的AI有一些不同，这是最难量化却又真实存在的市场竞争点。 DeepSeek出圈的一大原因，就是将理性的技术优势变为感性的产品讨论度。而手机自研AI，迟迟没有迎来“aha moment”。

由于从基础模型进行训练是 R1-Zero 类范式的基本设置，研究人员首先研究广泛使用的开源基础模型，这些模型通常是为了句子补全而训练的。研究人员探索了是否可以通过适当的模板有效地激发其问答能力，从而作为问答基础策略 。

衡宇 发自 凹非寺量子位 | 公众号 QbitAI 一个超越DeepSeek GRPO的关键RL算法出现了！ 用上该算法后，Qwen2.5-32B模型只经过RL训练，不引入蒸馏等其他技术，在AIME ...

每天创建超过2.5万个新产品，短短3个月累计50万用户，30天留存率达到80%，甚至一度超过了ChatGPT。 这不是硅谷的又一个神话，而是瑞典AI初创公司Lovable再次刷新AI行业重塑千行百业的真实案例。

这种现象还伴随着「顿悟时刻」（Aha Moment），此时模型展现出了人类一样的自我反思等新兴技能，让人们见证了强化学习的力量和美感。 在本文中 ...

从项目规划、技术选型、开发过程到上线运营，作者详细记录了每一个阶段的挑战与收获，并提供了实用的Cursor提效攻略。如果你也想尝试用AI开发自己的项目，这篇文章将为你提供宝贵的参考和启发。 自 24 年 11 月起，我开始动手打造一个专注于 AI 视频作品展示 的网站。在 AI 的助力下，我独立完成了 前后端与插件开发，成功落地了人生第一款真正意义上的个人作品。目前，网站已收录 300+ 优秀 A ...

此前，不少读者都在后台讨论，DeepSeek虽然牛逼，但是在其之上还有ChatGPT等更强的AI模型，难道仅凭开源就能够引起如此广泛的关注？再说回来，DeepSeek能够被AI从业者反复琢磨和研究，到底是有哪些过人之处？图源：DeepSeek对于这个问题，其实有不少专业文章都做过解释，不过大家未必会想去看万字长文，也对枯燥的学术概念 ...