年初的 DeepSeek-R1，带来了大模型强化学习（RL）的火爆。无论是数学推理、工具调用，还是多智能体协作，GRPO（Group Relative Policy Optimization）都成了最常见的 RL 算法。GRPO ...

大模型虽强，但在专业领域表现往往不尽如人意。常见的解决方案是通过监督微调或者强化学习更新模型参数，但这背后是高昂的代价与新的局限： 算力黑洞：单次训练动辄消耗数万美元，每一次迭代都是真金白银的投入 ...

每经AI快讯，11月18日，华为终端宣布华为Free Buds Pro 5悦彰耳机正式开启预售，搭载第三代华为自研音频主控芯片麒麟A3芯片和星闪E2.0技术。 每经AI快讯，11月18日，华为终端宣布华为Free Buds Pro ...

【CNMO科技消息】近日，据外媒报道，OpenAI推出了与ChatGPT进行群组聊天的功能。目前，该功能仅在日本、新西兰、韩国和中国台湾地区进行试点，面向Free、Go、Plus和Pro用户推出，支持移动端和网页端。OpenAI表示将根据早期用户反馈 ...