陈丹琦新作：大模型强化学习的第三条路，8B小模型超越GPT-4o
结合RLHF+RLVR，8B小模型就能超越GPT-4o、媲美Claude-3.7-Sonnet。
ppo
强化学习赋能小模型视觉推理，Groundlight AI提出调用外部工具策略框架
近来，强化学习范式在语言生成和推理模型领域得到了广泛的应用，其中具有代表性的是DeepSeek提出的GRPO (Group Relative Policy Optimization) [1]算法。GRPO是一种基于群体对比的强化学习算法，专为训练大型生成模型（
注塑PPO+GF40%玻纤塑料模具SKD61进胶口磨损变大，试试LG模具钢
江苏老客户咨询，塑料模具生产PPO+GF40%玻纤，模温80度左右。现在进胶口用SKD61模具钢做的，硬度HRC50-52，生产到5万件，进胶口会磨损变大，经过检测变大了0.05-0.08。
DeepSeek经过同行评审的论文在Nature上见刊了！
DeepSeek前两天在Nature见刊的论文《DeepSeek‑R1 incentivizes reasoning in LLMs through reinforcement learning》证明了不用人工标注推理轨迹，仅凭可验证的最终答案与纯强化学习，就
DeepSeek登上Nature封面，梁文锋带队回应质疑，R1训练真2
DeepSeek-R1直接杀进《Nature》封面，29.4万美元的训练账单，把动辄千万美元的大厂模型按在地上摩擦。
类PPO强化学习三部曲：GRPO简化→DAPO修正→GSPO全面进化
本文虽然标题中提到“类 PPO 算法”，但更准确地说，DAPO 和 GSPO 都可以视作在 GRPO 框架下，针对不同任务场景的一系列演进方案。它们并非简单的替代，而是通过改进策略更新与约束机制，逐步修正了 GRPO 在实践中暴露出的若干缺陷。
金银花色泽变化及其调控机制的研究进展
金银花为忍冬科植物忍冬Lonicera japonicaThunb.的干燥花蕾或带初开的花，是临床常用中药材之一，具有抗病毒、抗菌、抗炎、抗氧化、降血糖、调血脂及调节免疫力等功效[1-2]，广泛用于清热解毒、抗炎、抗菌及抗病毒等。其应用历史可追溯至东汉《神农本
科普向：一文解构大模型后训练，GRPO和它的继任者们的前世今生
而就在今年，大模型后训练的研究出现了几个重磅结果，包括 Seed 团队的 DAPO，Qwen 团队的 GSPO，微软团队的 GFPO 等等，而他们无一例外都是对 GRPO 范式的改进。
SAMPE现场，绿羽多款挤出发泡PPO复合材料亮相，直击高端制造痛点
2025年6月18日，第二十届SAMPE中国年会暨国际先进复合材料展览会在北京·中国国际展览中心（朝阳馆）正式开幕。作为国内外先进材料技术交流的重要平台，SAMPE现场汇聚400余家行业头部企业，众多高性能复合材料同台展示。
RL+search = Deep research
我之前说过chatGPT的deepresearch 做的好是因为它的DR 引擎是o3强化版本的针对过search场景RFT过，所以体验比grok和google的DR要好，后两者更像deep search或者说我们用的更像deep search
rag llm deepresearch rl ppo 2025-05-11 23:53 16
L-草铵膦的多酶级联制备工艺优化研究
草铵膦(phosphinothricin, PPT)是一种广谱除草剂，通过抑制谷氨酰胺合成酶的活性，阻断NH4+过度积累，最终导致叶绿体解体，植物死亡。PPT 具有除草效率高、毒性低、范围广、易降解、对环境友好等优点，随着百草枯和草甘膦的禁用，PPT 的市场份
首个全异步强化学习训练系统来了
作为 AReaL 里程碑版本 AReaL-boba 的重磅升级，AReaL-boba² (正式全名：A-ReaL-double-boba) 坚持 boba 系列 “ 全面开源、极速训练、深度可定制 ” 的开发理念，再次加量：除了更全的功能和更详细的文档说明，更
中美关税贸易战之高端化工材料国产替代企业整理
核心技术：国内唯一通过ASML光刻气认证的企业，突破高纯六氟乙烷、光刻混合气等50余种特气国产化，覆盖14nm-5nm制程产线。
低翘曲PPO在电子电器领域有哪些应用—伟才塑胶
低翘曲 PPO（聚苯醚）作为一种性能卓越的工程塑料，在电子电器领域展现出了广泛且重要的应用。其具备一系列优异特性，如高刚性、低比重、耐高温、耐蠕变、电性能优良以及耐化学药品性好等，为电子电器产品的高性能、小型化、轻量化发展提供了有力支持。以下为你详细介绍其在电
通过复杂逻辑假设生成推进知识图谱中的溯因推理（AAAI2025）
笔记整理：米尔扎提·阿力木，天津大学硕士，研究方向为自然语言处理论文链接：https://arxiv.org/abs/2312.15643发表会议：AAAI 2025
DeepSeek-R1、o3背后，RL推理训练正悄悄突破上限
这个月 AI 社区很热闹，尤其是 Llama 4 和 GPT-4.5 等新旗舰模型的发布。但你可能已经注意到，人们对这些新模型的反应相对平淡。原因之一可能是 Llama 4 和 GPT-4.5 仍然是传统的模型，这意味着它们的训练没有使用明确的强化学习进行推理
PPO类除草剂乳氟禾草灵在巴西复兴，以应对耐草甘膦和ALS抑制剂杂草
近期，巴西农业领域迎来了一种重要的除草剂——乳氟禾草灵的回归。该除草剂由进口商 AgriLean与经销商/服务提供商JOTEW携手重新引入市场，其对阔叶杂草（如苋属植物）具有显著的防治效果，为巴西农民在本季的杂草管理中提供了有力的新选择。