精选文章

精选文章

大模型为什么会产生“离群值”？深度解析RoPE与注意力机制

大模型为什么会产生“离群值”？深度解析RoPE与注意力机制
阅读更多
2025 Agentic RL 经验总结！这一年的弯路、暴论和下一步思考

2025 Agentic RL 经验总结！这一年的弯路、暴论和下一步思考
阅读更多
替代 GRPO！英伟达最新成果GDPO，解决多奖励 RL 训练的优势崩溃

替代 GRPO！英伟达最新成果GDPO，解决多奖励 RL 训练的优势崩溃
阅读更多
比 EAGLE-3 快 2.5 倍、Qwen3 推理加速 6.17 倍！DFlash 如何利用扩散模型终结自回归瓶颈？

比 EAGLE-3 快 2.5 倍、Qwen3 推理加速 6.17 倍！DFlash 如何利用扩散模型终结自回归瓶颈？
阅读更多
实录精选！MiniMax M2.1：Agent 后训练技术解读

实录精选！MiniMax M2.1：Agent 后训练技术解读
阅读更多
1% 投毒导致40% 翻车：AI 事实核查系统有多脆弱？

1% 投毒导致40% 翻车：AI 事实核查系统有多脆弱？
阅读更多
从“训推一体”到“AI 自主演进”——2025 AI 嘉年华 Infra 专题实录

从“训推一体”到“AI 自主演进”——2025 AI 嘉年华 Infra 专题实录
阅读更多
标准LLMs的替代方案：线性注意力混合模型|文本扩散|代码世界模型|小型递归Transformer

标准LLMs的替代方案：线性注意力混合模型|文本扩散|代码世界模型|小型递归Transformer
阅读更多
LLM内部竟藏着众多策略模型？自动化所&腾讯团队首次揭示大模型RL新机制

LLM内部竟藏着众多策略模型？自动化所&腾讯团队首次揭示大模型RL新机制
阅读更多
2026，进入 Agent RL 时代！

2026，进入 Agent RL 时代！
阅读更多
从 Rollout 到 Agentic RL，再到SaaS RL，聊聊 RL一整年的感悟

从 Rollout 到 Agentic RL，再到SaaS RL，聊聊 RL一整年的感悟
阅读更多
从PD分离到AF分离！聊聊 LLM 推理架构演进中的几个关键技术节点

从PD分离到AF分离！聊聊 LLM 推理架构演进中的几个关键技术节点
阅读更多
智谱 AI 首席科学家唐杰：AI 应用的本质是替代或增强人类工种，而不是为了做 App 而做 App

智谱 AI 首席科学家唐杰：AI 应用的本质是替代或增强人类工种，而不是为了做 App 而做 App
阅读更多
经验分享！这半年来，用 RL 做 LLM 后训练时踩过的那些坑与心得

经验分享！这半年来，用 RL 做 LLM 后训练时踩过的那些坑与心得
阅读更多
大模型强化学习算法PPO、GRPO、DAPO、GSPO、SAPO的演进与对比

大模型强化学习算法PPO、GRPO、DAPO、GSPO、SAPO的演进与对比
阅读更多
小米大模型 Plus 团队提出BTL-UI：基于直觉-思考-关联的GUI Agent推理

小米大模型 Plus 团队提出BTL-UI：基于直觉-思考-关联的GUI Agent推理
阅读更多
在看完近50篇VLA+RL工作之后......

在看完近50篇VLA+RL工作之后......
阅读更多
工业级 Agentic RL 训练对比选型指南

工业级 Agentic RL 训练对比选型指南
阅读更多
中科院自动化所&北体大提出SportsGPT，打造懂专业、会指导的AI教练

中科院自动化所&北体大提出SportsGPT，打造懂专业、会指导的AI教练
阅读更多
深挖强化学习算法PPO，聊聊前身TRPO

深挖强化学习算法PPO，聊聊前身TRPO
阅读更多
NeurIPS 2025！阿里开源 UniEdit：首个大型开放域大模型知识编辑基准

NeurIPS 2025！阿里开源 UniEdit：首个大型开放域大模型知识编辑基准
阅读更多
为什么视频生成稀疏注意力做不好？中科院自动化所最新提出稀疏注意力纠偏新范式

为什么视频生成稀疏注意力做不好？中科院自动化所最新提出稀疏注意力纠偏新范式
阅读更多
让“思考”本身有价值！为什么模型 RL 后思维链长度持续变短？

让“思考”本身有价值！为什么模型 RL 后思维链长度持续变短？
阅读更多
纯干货！做 VLA 的一些头部问题和心得体会

纯干货！做 VLA 的一些头部问题和心得体会
阅读更多
对比现有的 RL 训练框架！聊聊关于 Agentic RL 训推框架的一点看法和思考

对比现有的 RL 训练框架！聊聊关于 Agentic RL 训推框架的一点看法和思考
阅读更多
实录精选！流匹配 VLA 的强化学习后训练框架π_RL技术详解

实录精选！流匹配 VLA 的强化学习后训练框架π_RL技术详解
阅读更多
当速度扼杀稳定性：字节揭秘训练-推理不匹配导致的RL崩溃

当速度扼杀稳定性：字节揭秘训练-推理不匹配导致的RL崩溃
阅读更多
聊聊AdaMoE：让专家别“独占舞台”的 VLA 稀疏架构

聊聊AdaMoE：让专家别“独占舞台”的 VLA 稀疏架构
阅读更多
纯干货！工业场景下，LLM Agent RL的一些实践感悟

纯干货！工业场景下，LLM Agent RL的一些实践感悟
阅读更多
VDM + DiT = 更聪明的机器人？北大推出新快慢系统 VLA 模型

VDM + DiT = 更聪明的机器人？北大推出新快慢系统 VLA 模型
阅读更多
聊聊小模型与大模型下的推理框架

聊聊小模型与大模型下的推理框架
阅读更多
什么？RLVR 竟然不是在学习新知识？而是在学习如何使用知识进行推理！

什么？RLVR 竟然不是在学习新知识？而是在学习如何使用知识进行推理！
阅读更多
深度解构！从 LLaVA 到 Qwen3-VL，多模态大模型主流架构的演进之路

深度解构！从 LLaVA 到 Qwen3-VL，多模态大模型主流架构的演进之路
阅读更多
VLA 已经不满足于 SFT，也要上 RL 了？

VLA 已经不满足于 SFT，也要上 RL 了？
阅读更多
多模态统一模型的“理解”真的能指导“生成”吗？北大推出 UniSandbox，揭示理解-生成鸿沟与进化之路

多模态统一模型的“理解”真的能指导“生成”吗？北大推出 UniSandbox，揭示理解-生成鸿沟与进化之路
阅读更多
深度！从两策略到三策略：行为策略和参考策略不一致下的 TRPO 扩展

深度！从两策略到三策略：行为策略和参考策略不一致下的 TRPO 扩展
阅读更多
如何把 RL 训练加速到 2.5 倍？聊聊 RollPacker 中的 RL 优化！

如何把 RL 训练加速到 2.5 倍？聊聊 RollPacker 中的 RL 优化！
阅读更多
回顾VLA发展历史！探讨VLA中的理解与生成

回顾VLA发展历史！探讨VLA中的理解与生成
阅读更多
如何通过在线强化学习改进VLA模型？

如何通过在线强化学习改进VLA模型？
阅读更多
自动驾驶VLA，从EMMA看感知决策新范式

自动驾驶VLA，从EMMA看感知决策新范式
阅读更多
从“RL比SFT更不容易遗忘”到“反观推荐系统缺陷”

从“RL比SFT更不容易遗忘”到“反观推荐系统缺陷”
阅读更多
SageAttention：即插即用的8-bit Attention 最佳实践

SageAttention：即插即用的8-bit Attention 最佳实践
阅读更多
从最新机器人顶会IROS 2025，聊聊具身智能、操控与系统等方向的最新进展与趋势

从最新机器人顶会IROS 2025，聊聊具身智能、操控与系统等方向的最新进展与趋势
阅读更多
Diffusion 最新综述分享

Diffusion 最新综述分享
阅读更多
FlashAttentionV1/V2+PageAttentionV1/V2+RadixAttention算法总结

FlashAttentionV1/V2+PageAttentionV1/V2+RadixAttention算法总结
阅读更多
世界模型正在重塑机器人大脑！解析World Model × 具身智能的最新论文

世界模型正在重塑机器人大脑！解析World Model × 具身智能的最新论文
阅读更多
VLM RL如何涨点 - 实践和思考

VLM RL如何涨点 - 实践和思考
阅读更多
Day 0支持HunyuanVideo 1.5！LightX2V让AI视频创作迈入实时生成时代

Day 0支持HunyuanVideo 1.5！LightX2V让AI视频创作迈入实时生成时代
阅读更多
调研：扩散语言模型（DLM）的现状与将来

调研：扩散语言模型（DLM）的现状与将来
阅读更多
SFT和RL，在后训练中哪个更容易导致遗忘？

SFT和RL，在后训练中哪个更容易导致遗忘？
阅读更多
RL训练总是崩？Sea AI Lab 最新成果：只需从 BF16 切换到 FP16 就行

RL训练总是崩？Sea AI Lab 最新成果：只需从 BF16 切换到 FP16 就行
阅读更多
MXFP8、MXFP4 与 NVFP4 详解

MXFP8、MXFP4 与 NVFP4 详解
阅读更多
Diffusion + RL 系列二（DPPO 及其后续发展）

Diffusion + RL 系列二（DPPO 及其后续发展）
阅读更多
增强多模态大模型定位能力的一些方法

增强多模态大模型定位能力的一些方法
阅读更多
Kimi Linear学习笔记：让Attention又快又好

Kimi Linear学习笔记：让Attention又快又好
阅读更多
NVIDIA Grace Blackwell机柜式系统上DeepSeek-V3模型预训练性能优化

NVIDIA Grace Blackwell机柜式系统上DeepSeek-V3模型预训练性能优化
阅读更多
当小模型当老师，大模型反而学得更好了？

当小模型当老师，大模型反而学得更好了？
阅读更多
从 ICLR 2026，看VLA的研究趋势

从 ICLR 2026，看VLA的研究趋势
阅读更多
万字长文深度解析经典VLA方案：PI-0

万字长文深度解析经典VLA方案：PI-0
阅读更多
ReMax背后的故事

ReMax背后的故事
阅读更多
入坑必备基础知识！关于推理模型的一些科普

入坑必备基础知识！关于推理模型的一些科普
阅读更多
RL 为什么不如 SFT 稳定？以及 RL 各种 Trick

RL 为什么不如 SFT 稳定？以及 RL 各种 Trick
阅读更多
系统解析VLA核心技术路线与典型架构

系统解析VLA核心技术路线与典型架构
阅读更多
GEN-0 出现的背后我们可以学到什么？以及对后续 VLA 发展的看法

GEN-0 出现的背后我们可以学到什么？以及对后续 VLA 发展的看法
阅读更多
微软研究：为何LLM会在多轮对话中迷失

微软研究：为何LLM会在多轮对话中迷失
阅读更多
量化算法进阶篇(中)：4-bit量化算法 —— 从GPTQ、AWQ到QLoRA和FlatQuant

量化算法进阶篇(中)：4-bit量化算法 —— 从GPTQ、AWQ到QLoRA和FlatQuant
阅读更多
28篇最新论文！系统调研 VLA+RL 最近的研究趋势

28篇最新论文！系统调研 VLA+RL 最近的研究趋势
阅读更多
《Kimi K2: Open Agentic Intelligence》论文解读

《Kimi K2: Open Agentic Intelligence》论文解读
阅读更多
干货！如何训练一个开源推理模型Olmo-Thinking

干货！如何训练一个开源推理模型Olmo-Thinking
阅读更多
聊聊Kimi K2 Thinking模型的原生 Int 4 量化

聊聊Kimi K2 Thinking模型的原生 Int 4 量化
阅读更多
美团开源！LongCat-Flash技术报告解读

美团开源！LongCat-Flash技术报告解读
阅读更多
美团 LongCat-Flash-Thinking 技术报告解读

美团 LongCat-Flash-Thinking 技术报告解读
阅读更多
HKU MMLab最新开源SRUM！基于统一多模态模型的训练后奖励微调

HKU MMLab最新开源SRUM！基于统一多模态模型的训练后奖励微调
阅读更多
谈一谈DeepSeek-OCR和Glyph用视觉压缩思路，模拟人类记忆遗忘机制，突破LLM上下文窗口限制

谈一谈DeepSeek-OCR和Glyph用视觉压缩思路，模拟人类记忆遗忘机制，突破LLM上下文窗口限制
阅读更多
深度解析！理想MindVLA和小米ORION的VLA核心技术栈与具身智能的未来

深度解析！理想MindVLA和小米ORION的VLA核心技术栈与具身智能的未来
阅读更多
当谈论 FP8 训练的时候，我们到底在聊什么?

当谈论 FP8 训练的时候，我们到底在聊什么?
阅读更多
Agent记忆的第三种可能：生成式隐式记忆

Agent记忆的第三种可能：生成式隐式记忆
阅读更多