Reinforcement learning and general intelligence
"RL" 相关文章
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”
Recent reasoning research: GRPO tweaks, base model RL, and data curation
改错能力是这轮推理模型带来的基础能力之一
从高等动物的学习过程展望 RL post-training之后的可能路径
SFT并非必需！推理模型仅靠RL就能获得长思维链能力，清华CMU团队破解黑盒
尝试在更一般的领域为LLM RL构建Reward Model
Kimi官方复盘：k1.5复现o1的思考过程
拾象英雄帖：寻找 AGI 同行者
