強化學習

03-06

阿里推全新推理模型QwQ-32B 僅二十分之一參數 媲美DeepSeek R1

阿里巴巴 (09988-HK)(BABA-US)Qwen 團隊周三 (5 日) 晚間發文宣佈最新研究成果 QwQ-32B 大語言模型，在僅有 DeepSeek-R1 約二十分之一參數量的情況下，用強化學習 (RL) 實現性能上的驚人跨越。Qwen 團隊在部落格文章中提到，他們深入探索 RL 在提升大語言模型智慧方面的巨大潛力，QwQ-32B 的成功發佈，有力地證明 RL 是提升模型性能的強大引擎。

03-05科技

2024圖靈獎頒予兩位「強化學習」先驅 為AlphaGo、ChatGPT等成功的背後功臣

全球最大的教育和科學計算學會 ACM(國際電腦學會)5 日宣布，將 2024 年 ACM A.M. 圖靈獎授予巴托 (Andrew G. Barto) 和薩頓 (Richard S. Sutton)，以表彰他們在強化學習 (reinforcement learning) 的概念和演算法基礎方面的開創性發展。

01-27美股

重現DeepSeek模型 加州大學宣稱30美元就能成功複製

網路上出現了一波重現 DeepSeek 的狂潮。加州大學柏克萊分校、香港科大、HuggingFace 等紛紛成功重現，只用強化學習，沒有監督微調，30 美元就能見證「啊哈時刻」。全球 AI 大模型正在進入下一分水嶺。來自加州大學伯克萊分校的博士生潘家怡和另兩位研究人員，在 CountDown 遊戲中重現了 DeepSeek R1-Zero。