关于 强化学习 的文章

近日，快手 Kwaipilot 团队发布了 SeamlessFlow 技术报告，这是对团队所使用的工业级规模强化学习（RL）训练框架的详细介绍。该框架通过创新的数据平面架构，对RL...

在大语言模型的竞争中，数学与代码推理能力已经成为最硬核的“分水岭”。从 OpenAI 最早将 RLHF 引入大模型训练，到 DeepSeek 提出 GRPO 算法，我们见证了强化学...

在短视频与直播混合推荐的场景中，直播推荐系统（RS）需在每次用户请求时决定是否插入直播。不当的直播分配策略会损害用户长期体验，显著降低应用使用时长和留存率。因此，制定最优的直播分配...

捷报频传！继强势入围决赛后，数达安全再攀高峰！在刚刚揭晓的第三届人工智能产品应用创新创业大赛中，数达安全（北京）科技有限公司凭借创新力作——《基于AI大模型的数据安全智能风险监测系...

安全资讯[法规] 《治安管理处罚法》（ 2012版 VS 2025版）新旧对照表安全技术[数据挖掘] 用于代码分析的大型语言模型：LLMs真的能胜任吗？[运维安全] 基于全网资产台...

具身智能，作为人工智能迈向物理世界的核心技术，正在打破虚拟与现实的边界。通过赋予AI以感知、行动、学习的闭环能力，具身智能正在重塑算法、系统和应用之间的关系，推动从虚拟仿真到实体执...

近日，渊亭科技自主研发的“面向兵棋推演的智能决策方法、装置及存储介质”荣获国家知识产权局发明专利授权。该发明提出了一种基于“任务—行为”的多智能体强化学习分层训练方法，旨在解决兵棋...

在大规模云数据中心中，虚拟机（VM）调度是保障计算资源高效利用的关键环节。尽管初始调度（VMS）已被广泛研究，但运行一段时间后的虚拟机重调度（VMR）问题却长期被忽视。VMR 指的...

 扫码订阅《中国信息安全》邮发代号 2-786征订热线：010-82341063在大模型的训练中，强化学习算法一直是提升模型性能的关键。然而，其面临着计算资源要求高、训练速度慢等问...

我是@卜寒兮，这是我在公众号发布的第【28】篇原创内容，主要唠点【科技| AI |科研】方面的内容，感兴趣的可以点击下方关注。欢迎关注👆前两天就注意到这个工作了，看到“三大会”和不...