LLM抢人血案：强化学习天才被挖空，一朝沦为「无人区」
"RL" 相关文章
基模下半场：开源、人才、模型评估，今天的关键问题到底是什么？
A Practical Two-Stage Recipe for Mathematical LLMs: Maximizing Accuracy with SFT and Efficiency with Reinforcement Learning
slime: An SGLang-Native Post-Training Framework for RL Scaling
DeepSeek-R1技术突破：纯RL训练竟能激发大模型"反思"能力？
When Imitation Learning Outperforms Reinforcement Learning in Surgical Action Planning
Foom & Doom 2: Technical alignment is hard
OpenAI路线遭质疑，Meta研究员：根本无法构建超级智能
What I've been reading (#1)
OpenAI路线遭质疑！Meta研究员：根本无法构建超级智能
Reinforcement learning and general intelligence
一堂「强化学习」大师课 | 42章经
Agent 开发的上半场: 环境、Tools 和 Context 如何决定 Agent | 42章经
Open Source RL training landscape grows
Tsinghua paper: Does RL Really Incentivize Reasoning Capacity in LLMs Beyond the Base Model?
Agent 开发的上半场: 环境、Tools 和 Context 如何决定 Agent | 42章经
一堂「强化学习」大师课 | 42章经
Kimi k1.5 背后的长长长长长思考
从高等动物的学习过程展望 RL post-training之后的可能路径
小了 60,500 倍，但更强；AI 的“深度诅咒”
