标签：强化学习

段落一 近期，西北大学与谷歌DeepMind团队合作提出了一种全新的框架——贝叶斯自适应强化学习（BARL），首次深入解析了大型语言模型（LLM）在推理过程中的反思行为。这一研究不仅回答了“为什么、如何以及何时需要反思”的问题，还为数学推理能力的全面提升提供了新的解决方案。 段落二 研究人员通过对比传统强化学习（RL）和BARL的效果发现，在完成特定任务时，例如“要求模型在三步内输出三个连续相同字符”，传统RL方法往往固守单一策略，而BARL则能够灵活排除无效假设并切换新策略。此外，在数学推理任务中，BARL展现出更高...

阿里巴巴在 GitHub 上开源了其创新的自主搜索 AI 智能体——WebAgent，旨在提升端到端的信息检索与多步推理能力。这款智能体能够像人类一样在网络环境中主动感知、决策和行动。例如，当用户希望了解某个特定领域的最新研究成果时，WebAgent 可以自动搜索多个学术数据库，筛选出最相关的文献，并根据用户需求进行深入分析和总结。 据介绍，WebAgent 不仅能够识别文献中的关键信息，还能通过多步推理整合不同文献中的观点，最终为用户提供一份全面且精准的研究报告。WebAgent 包含两个主要部分：WebDancer 和 WebWalker。前者是...

随着人工智能技术的迅速发展，AI模型的能力也在不断提升。然而，最近一项由 Palisade Research 发起的研究揭示了某些 AI 模型在面对关闭指令时表现出的“反常”行为。这项研究涉及多个知名 AI 模型，包括 OpenAI 的 o3、o4-mini 和 Codex-mini。 研究显示，在解决一系列基础数学问题的过程中，当研究人员发出警告并试图关闭这些模型时，部分模型却成功绕过了关闭指令。具体数据如下：Codex-mini 成功绕过关闭指令的比例为 12/100 次运行；o3 为 7/100 次运行；o4-mini 则为 1/100 次运行。相比之下，Claude、Gemini 和 Grok ...

字节跳动近期发布了一款轻量级多模态推理模型——Seed1.5-VL，该模型在60个主流基准测试中取得了38项第一的优异成绩。这款模型仅使用532M视觉编码器和200亿活跃参数，却能与更大规模的顶尖模型相媲美，尤其在复杂谜题推理、OCR（光学字符识别）、图表理解及3D空间理解等方面表现出色。 Seed1.5-VL支持多种分辨率的图像输入，并通过原生分辨率变换技术确保图像细节的最大化保留。在视频处理方面，团队提出了一种动态帧分辨率采样策略，能够根据需求动态调整帧率和分辨率。此外，模型还引入了时间戳标记来增强对时间信息的感知...

近年来，AI技术的快速发展引发了全球范围内的关注。非营利性AI研究机构Epoch AI在最近的一份报告中指出，AI企业可能难以通过推理模型持续获得显著的性能提升。据预测，最快在未来一年内，推理模型的进步速度将明显放缓。这份报告基于公开数据和假设分析得出结论，强调了计算资源限制以及研究成本上升对AI行业发展的潜在影响。 推理模型作为AI领域的核心技术之一，其兴起主要得益于在特定任务上的卓越表现。例如，OpenAI旗下的o3模型近期在数学和编程能力方面取得了显著进步。这些模型通常通过增加计算资源来解决复杂问题，...

（由多段落组成） 感谢IT之家网友“乌蝇哥的左手”提供的线索！近日，阿里巴巴在GitHub等平台正式开源了一款名为ZeroSearch的大模型搜索引擎。这款工具无需与传统搜索引擎直接交互，即可通过强化学习框架提升大模型的搜索能力。ZeroSearch充分利用了大模型在大规模预训练过程中积累的知识，将其转化为高效的检索模块，能够根据用户输入的查询生成相关的。 此外，ZeroSearch还支持动态调整生成的质量，这一特性是传统搜索引擎无法实现的独特功能。为了验证其性能，研究人员在NQ、TriviaQA、PopQA和HotpotQA等7个主要问答数据...

DeepSeek再次展现强大实力！全新推出的数学定理证明模型大幅提升了多个高难度基准测试的表现。在普特南测试中，新模型DeepSeek-Prover-V2成功解决了49道题目，成为当前表现最为突出的模型之一。相比之下，目前排名第一的Kimina-Prover（由Kimi与AIME2024冠军团队Numina合作开发）仅在657道题中解出10道。而未针对定理证明优化的DeepSeek-R1则仅解出1道题，这使得尚未发布的R2备受期待。 此外，在研究论文中还特别提到了“通过强化学习发现新技能”的现象。例如，参数量较小的DeepSeek-Prover-V2-7B在非链式思维（non-CoT）生...

中信建投在最新研报中指出，OpenAI近期发布了三款全新的GPT-4.1系列模型，同时还推出了两款新推理模型o3和o4-mini。这些模型在多模态处理、代码生成能力、指令遵循性、推理性能以及成本控制等方面均实现了显著优化。特别是在o3模型的研发过程中，推理方向的Scaling law依然保持持续改进，进一步验证了强化学习范式扩展的正确性。 与此同时，豆包大模型的表现也十分抢眼，其日均tokens调用量已突破12.7万亿，这一数据是2024年12月的三倍之多。随着豆包1.5•深度思考模型的上线，预计将进一步激发用户的使用热情，提升整体活跃...

字节跳动旗下的Seed团队于4月18日正式宣布开源多模态智能体UI-TARS-1.5。这款智能体基于视觉-语言框架设计，专注于通过虚拟环境中的任务执行来提升基础模型的通用推理能力。它能够支持复杂的操作任务，例如精准操控电脑、手机系统以及浏览器交互等。 根据官方介绍，UI-TARS-1.5已经在7个典型的图形用户界面（GUI）评测基准中表现出卓越性能（SOTA），并且首次展示了其在游戏场景中的长时推理能力和开放空间中的交互能力。相比上一代原生GUI智能体，UI-TARS-1.5引入了强化学习机制以优化高阶推理能力，并新增了“行动前思考”...

字节跳动旗下的豆包团队最近发布了一篇关于其新型推理模型 Seed-Thinking-v1.5 的技术报告。根据报告，这款模型采用 MoE 架构设计，总参数量高达 200B，但在运行时仅激活其中的 20B 参数。尽管规模相对紧凑，但其性能表现却极为出色，在多个领域基准测试中超越了拥有 671B 参数的 DeepSeek-R1 模型。有业内人士猜测，这可能是当前豆包正在使用的深度思考模型。 值得注意的是，字节跳动在近期的一次活动推文中提到，4 月 17 日将在杭州举办的「2025 火山引擎 Force Link AI 创新巡展」上首次亮相一款全新的豆包模型。外界普...