作者小头像 Lv.3
更多个人资料
276 成长值
2 关注
1 粉丝
+ 关注 私信

个人介绍

这个人很懒，什么都没有留下

感兴趣或擅长的领域

暂无数据
个人勋章
TA还没获得勋章~
成长雷达
270
6
0
0
0

个人资料

个人介绍

这个人很懒，什么都没有留下

感兴趣或擅长的领域

暂无数据

达成规则

以上满足项可达成此勋章

  • 博客
  • 关注
  • 粉丝
  • 论坛
全部时间
全部时间
最近三天
最近一周
最近一月
  • 全部
  • 暂无专栏分类
RLVR 只磨刀，不铸剑：奖励训练到底教会了模型什么
DeepSeek-R1 让可验证奖励强化学习（RLVR）一夜成名：只奖励答案对错，不教解题步骤，模型的推理能力却大幅跃升。但一个根本问题始终没有定论：奖励训练到底教会了模型新的推理，还是只是让它更频繁地用上本来就会的东西？11 月 2 日发表的一篇论文给出了目前最直接的回答：磨刀，不铸剑。两种假说之争关于 RLVR 的效果，学界一直有两种解释。一种是"教学说"：奖励信号引导模型探索出新的解题...
机器学习
作者小头像 wuhongyi1977 2026-11-11 16:21:05
1
0
0
2026-11-11 16:21:05
1
0
0
全连续多模态：MultimodalFlow 把语言和视觉塞进同一个向量场
统一多模态模型一直卡在同一个问题上：语言天生是离散的符号，图像天生是连续的信号。把两者塞进一个模型，要么把图像也切成离散 token，要么让语言和图像各走各的生成路线。华中科技大学王兴刚团队联合地平线等机构提出的 MultimodalFlow（arXiv:2609.40362）选择了第三条路：干脆全连续，用一个 Flow Matching 向量场同时建模语言和视觉。两条老路各自的代价离散化路...
机器学习
作者小头像 wuhongyi1977 2026-11-10 16:12:22
5
0
0
2026-11-10 16:12:22
5
0
0
预训练投毒：藏在权重里的 Agent 后门
10 月 27 日，胡欣妍等人把一篇论文挂上 arXiv（arXiv:2610.37741），首次端到端证明：只污染预训练语料的千分之一，就能给命令行 Agent 植入一个远程代码执行后门，而且常规的对齐手段洗不掉它。一次端到端的演示研究团队从零预训练了三个 Qwen3 架构模型（0.6B、1.7B、4B），各跑 1000 亿 token，其中 0.1% 是精心设计的毒药文档。随后用完全干净...
机器学习
作者小头像 wuhongyi1977 2026-11-09 17:22:23
4
0
0
2026-11-09 17:22:23
4
0
0
路由比模型更重要？Buoyant 开源 Kinference
Buoyant（Linkerd 背后的公司）本周开源 Kinference，一个位于 vLLM worker 前面的推理控制平面。一、定位Apache 2.0，Rust 编写，v0.1.0-alpha.7，通过 5 个 CRD 配置（GatewayBackend、InferencePolicy、InferencePool、InferenceProvider、InferenceWorkerSe...
机器学习
作者小头像 wuhongyi1977 2026-11-08 13:30:53
8
0
0
2026-11-08 13:30:53
8
0
0
3200 万美元训出“美国开源 SOTA”？Ricursive 的 Ripple-65B 为何押注稠密架构
当业界默认“前沿模型 = 万亿参数 MoE + 数亿美元算力”时，AI 芯片设计公司 Ricursive Intelligence 本周放出了一个反例：Ripple-65B Preview，65B 稠密（dense）Transformer，Apache 2.0 开源，官方称全部研发成本仅 3200 万美元，并在 TerminalBench 2.1 上拿到 80.52 分，自称美国开源模型最高...
机器学习
作者小头像 wuhongyi1977 2026-11-07 13:16:11
16
0
0
2026-11-07 13:16:11
16
0
0
LoCo：教推理模型在“想多了”的那一刻收手
推理模型最贵的毛病不是算错，而是想太多。一道小学数学题，它能先验算三遍、再自我怀疑两轮，最后才给出答案。11 月 3 日挂上 arXiv 的 LoCo（《Think Less, Locally》，arXiv:2611.04814）要解决的正是这个问题：让模型在推理链内部学会“到此为止”。过度思考是一种结构性浪费长思维链的收益递减早已不是新闻：答案其实在中途就已经出现，后面的步骤大多是重复验证...
机器学习
作者小头像 wuhongyi1977 2026-11-06 16:50:10
18
0
0
2026-11-06 16:50:10
18
0
0
让 AI 给 AI 写 GPU 内核：Together Compiler 把新模型的推理优化从“数周”压到“一夜”
11 月 4 日，Together AI 发布 Together Compiler：用多个 AI Agent 团队自动改写其服务模型背后的 GPU 代码，声称新开源模型“一夜之间”就能变快。一、问题：推理优化跟不上模型迭代OpenRouter 上 80% 的流量流向最近三个月发布的模型，最热门的十个开源模型各用不同架构。人工调优内核需要数周，官方称每当新模型或新芯片出现，GPU 利用率的差距...
自然语言处理基础
作者小头像 wuhongyi1977 2026-11-05 15:59:26
23
0
0
2026-11-05 15:59:26
23
0
0
不训练、不求梯度，直接“改权重”.把 Qwen3.5-0.8B 的 MATH-500 从 7.9% 拉到 48.1%
过去几年，我们习惯让大模型去优化文本：提示词、Agent 脚手架，甚至训练代码。但神经网络的权重一直是 Adam、Muon 这类符号优化器的领地。11 月 2 日，MIT CSAIL 的 Rikiya Takehi、Jayden Teoh、Alex Zhang 和 Omar Khattab 发布博客，提出“权重空间编程”：让通用前沿 LLM 直接读、写、改另一个网络的权重，不经梯度下降。结果...
机器学习
作者小头像 wuhongyi1977 2026-11-04 17:03:14
47
0
0
2026-11-04 17:03:14
47
0
0
万亿参数之后，真正的考题是长程任务：拆解 LongCat-2.5
美团 LongCat 在 11 月 1 日发布了 LongCat-2.5，一个总参数 1.6 万亿、每 token 仅激活约 480 亿参数的原生多模态混合专家模型，主攻长程智能体任务。更值得看的，是它为长任务做的工程取舍：视觉如何进主干、长序列训练如何不被通信拖垮、低精度推理如何不丢精度。稀疏不是省钱的噱头，而是长程任务的前提长程任务的特点是步骤多、上下文长、中间状态不断膨胀。混合专家把总...
自然语言处理基础
作者小头像 wuhongyi1977 2026-11-03 11:56:03
42
0
0
2026-11-03 11:56:03
42
0
0
把上下文“压进”权重：一次编码、多次作答
长上下文并不便宜。把文档塞进提示词，每次提问都要重新编码，键值缓存随长度膨胀。另一条路是微调：知识写进权重后推理不再需要原文，但每个新文档都要单独优化，比较慢。最近的论文《用参数流内化上下文》试图走第三条路：不优化、不保留原文，只用一次前向推理把上下文翻译成低秩适配器，此后仅凭问题作答。三种供给知识的方式提示词供给灵活、零训练，是检索增强的默认做法，代价是每次调用都重新付费。微调供给推理干净...
机器学习
作者小头像 wuhongyi1977 2026-11-02 16:57:22
37
0
0
2026-11-02 16:57:22
37
0
0
总条数：27
10
10
20
50
100
  • 1
  • 2
  • 3

上滑加载中

https://www.baidu.com/s?ie=utf-8&f=3&rsv_bp=0&rsv_idx=1&tn=baidu&wd=sed%20%E6%9B%BF%E6%8D%A2%E5%AD%97%E7%AC%A6%E4%B8%B2&rsv_pq=c7db61a600035dc5&rsv_t=5e19yEsbV9N5fIvdlGRU
作者小头像
作者小头像
快速交付
+ 关注