强化学习

2026年5月16日

今天聚焦 LLM 架构、预训练稳定性和 AI 学习边界：Sebastian Raschka 梳理长上下文效率相关的新架构，Dwarkesh Patel 总结打破因果性与引入偏置如何导致训练失败，同时讨论强化学习与人类学习之间不能被忽视的差异。

2025年1月26日

探索DeepSeek团队在大语言模型推理能力提升方面的创新方案，包括纯强化学习的R1-Zero和结合冷启动的R1模型。