強化學習

09-18國際政經

再創歷史！DeepSeek梁文鋒登《Nature》封面 打破大模型評審空白 R1訓練成本僅29.4萬鎂

今年 1 月，梁文鋒帶領團隊打造的 DeepSeek-R1 相關論文《DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning》發布，如今該成果成功登上全球頂刊期刊《Nature》封面，並介紹梁文鋒帶隊用高度強化學習 (RL) 為大模型推理能力開闢新路徑的高度成就。

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。