基准测试表明，MistralMedium3在软件开发任务中表现出色。LeChatEnterprise提供了AI「智能体」构建器等工具，并将Mistral的模型与Gmail、GoogleDrive和ShareP…

但从上面的分析可以看出，整个模型中的线性层、激活函数和时域截断也都会对长度外推产生影响，并且是不利影响（也就是上文提到的频谱损坏）。考虑到线性层和激活函数可以带来更强的表征能力，时域截断又是受到硬件限制无法改…

为进一步发挥“以赛促研、以赛促用、以赛育人”的作用，今年，第二届兴智杯大赛如约而至，由中国信息通信研究院、深圳市人工智能产业办公室、深圳市前海深港现代服务业合作区管理局、深圳市宝安区人民政府主办，旨在聚焦技术…

简单来说，深度搜索在深度思考的基础上强化了AI的思考能力，让AI真正拥有了「高搜商」，AI能像人一样先主动理解、思考、拆解问题，再分点推理并规划搜索思路和步骤，给出结构清晰、内容可信、可直接执行的解决方案。他…

在本项研究中，研究团队全面评估了AbsoluteZeroReasoner（AZR）在多项推理任务中的表现，涵盖代码生成与数学推理两个关键领域，并与多个基于专家数据训练的推理模型进行了对比。团队进一步构建并验证…

分别使用Spatial和Temporal两种稀疏模式计算其注意力结果，并与DenseAttention对比误差；实验结果表明，经过布局转换后，SparseVideoGen在TemporalHead上实现了接近…

为推进大语言模型的逻辑推理能力研究，来自北大、清华、阿姆斯特丹大学（UvA）、卡内基梅隆大学（CMU）、MBZUAI等5所高校的研究人员全面调研了该领域最前沿的研究方法和评测基准，联合发布了调研综述《Empo…

现在，我们已经了解了监督微调（SFT）以及PPO和GRPO之间的区别，可以更清晰地看到DeepSeek的R1-Zero训练过程实际上是多么简单。DeepSeek不仅通过GRPO验证了纯强化学习的价值，更揭示了…

我们是第一个i)关注大模型工具使用行为优化的RL算法；ii)发现并量化认知卸载现象，且模型越大，认知卸载越严重，即模型过于依赖外部工具而不自己思考；iii)提出工具生产力概念，兼顾收益与成本；我们提出OTC-…

使用这种方法，轨迹的长度在几次传递后很容易达到5-10万个token，这会导致训练不便；样本效率低下和credit分配问题：即使我们生成了多个内核，仍然只为整个轨迹分配一个奖励。为了比较这两种方法，作者使用6…

VPP利用了大量互联网视频数据进行训练，直接学习人类动作，极大减轻了对于高质量机器人真机数据的依赖，且可在不同人形机器人本体之间自如切换，这有望大大加速人形机器人的商业化落地。VPP将视频扩散模型的泛化能力转…

激活策略：由于查找表检索在推理时无需额外计算，MoLE无需依赖稀疏激活来控制推理计算量，因此在训练中选择激活所有路由专家。如表所示，在推理阶段，MoLE的计算过程中仅保留了共享专家模块，因此只有共享专家被激活…

可以看到，只需一张描述画板应用的简单草图加上一句简单的提示词，Gemini2.5Pro(I/Oedition)就创建出了一个功能完备的Web应用。网友@thenomadevel让Gemini2.5ProPre…

在实际任务执行中，UFO²可以智能地根据操作环境与任务特性，自动判断是否优先使用API执行来提高速度与精准度，或者在API不足以完成任务时，灵活转向GUI操作，从而实现效率与通用性的最佳平衡，显著提升任务稳定…

通过这一最终的预训练阶段，LN-Ultra不仅实现了与基准模型Llama3.1-405B-Instruct相当的性能，还在多个关键基准测试上取得超越，验证了即使进行激进的架构优化，也可通过短周期的蒸馏与预训练…

通过这一方法，以单机的训练成本训练出了一套在细粒度表达、人类偏好一致性等方面均表现卓越的视频细粒度描述模型，为后续视频生成模型的训练和优化打下了坚实基础，模型细节如下（更多详情可参考论文和开源github）：…

当我们谈论大型语言模型的理解能力时，通常将其知识分为两类：参数知识（存储在模型权重中的事实和信息）和上下文知识（从当前输入文本中获取的信息）。研究发现，专门处理极大值的量化方法（如AWQ和SmoothQuan…