RL特训出「押题大师」？破解模型微调中的多样性危机与灾难性遗忘
RL特训出「押题大师」？破解模型微调中的多样性危机与灾难性遗忘RL之后，大模型为什么更容易「越训越单一」？面对五花八门的改进思路，也许答案并不复杂：先试着改一改KL项。
来自主题: AI技术研报
5591 点击 2026-04-09 14:45
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
RL之后，大模型为什么更容易「越训越单一」？面对五花八门的改进思路，也许答案并不复杂：先试着改一改KL项。
被动成为新一代 AI 黄埔军校的字节跳动。
大模型（LLM）的世界知识和推理能力是实现下一代推荐系统，即基于大模型的推荐系统（LLM4Recsys）的重要基石。来自meta ai的研究者们尝试将推理模型引入再排序阶段，推荐系统的最后一环。
刚刚，Meta 重金组建的超级智能实验室（SML）交卷！这也是年轻华人 Alexandr Wang 带领该团队后，交出的首份成绩。全新自研模型 Muse Spark 上线。
全网震撼！《生化危机》女主跨界撸码，用Claude造出地表最强AI记忆系统，斩获全球首个满分。一年仅0.7美元，就能让大模型拥有永久记忆。
大模型正在批量生成「看起来很像真的」学术论述，但这些论述背后的引用，真的成立吗？更关键的是：当被引论文被付费墙锁住、原文根本读不到时，自动化核验是否就注定失效？
LangChain 只换了模型外面的基础设施——同一个模型、同一套权重——就从 TerminalBench 2.0 排行榜 30 名开外直接跳到了第 5 名。另一个独立研究项目让大模型自己优化这层基础设施，达到了 76.4% 的通过率，超过了所有人工设计的方案。
OpenAI和Anthropic的上市竞速，是硅谷最受关注的一场IPO竞赛。
一家叫 Rallies Arena 的团队，6 个月前干了一件事：给 6 个主流大模型各发了 10 万美元，让它们在真实股票市场上自己做研究、自己下单、自己管仓位。
生成式模型当检索器大材小用效果还不好？