最初，研究者观察到了回答长度下降，因为基础模型倾向于生成HTML代码。通过强化学习，这种行为很快被抑制，随后回答长度开始规律地增加。之后，多模态的「啊哈时刻」出现了。随后，回答长度和基准准确率之间展现出一致的正相关关系。

在人工智能领域，最近发生了一项震撼性的技术突破，加州大学洛杉矶分校（UCLA）的一支研究团队成功地在未经监督的2B参数模型上实现了多模态推理的「啊哈时刻」。这一成果不仅展示了强化学习（RL）在推理能力提升方面的潜力，也为未来的多模态AI研究提供了新的方向。在当前AI快速发展的环境中，这无疑是一个值得关注的里程碑。

除了提出助力 Kimi k1.5 大获成功的 SPPO 技术外，Wu Yue ...

在人工智能领域，训练大型语言模型（LLMs）已成为推动技术进步的重要方向。然而，随着模型规模和数据集的不断扩大，传统的优化方法 —— 特别是 AdamW—— 逐渐显露出其局限性。研究人员面临着计算成本高、训练不稳定等一系列挑战，包括梯度消失或爆炸、参数矩阵更新不一致及分布式环境下的资源需求高等问题。因此，迫切需要更高效、更稳定的优化技术来应对这些复杂性。

声明:本文来自于微信公众号 新智元，作者:新智元，授权站长之家转载发布。 【新智元导读】由UCLA等机构共同组建的研究团队，全球首次在20亿参数非SFT模型上，成功实现了多模态推理的DeepSeek-R1「啊哈时刻」! 就在刚刚，我们在未经监督微调的2B模型上 ...

钱德勒·帕森斯：我喜欢这个概念，我再次强调，我尊重大家为此付出的努力，但这根本不是解决方案。我不认为这种形式会持续下去。这里毫无强度，毫无防守。UCLA的里科·海因斯夏季训练赛比全明星周末更具竞争力— ...

第一阶段： 2014-2016年骤降期。2014年，普渡有718名中国大一新生就读，以及26名交换生、71名转学生，总数为816名。到2016年，中国大一新生只剩324人， 降幅达到55% 。

旧金山全明星正赛将在明天打响，本赛季改制后的正赛或将带来不一样的观感体验。接下来让我们来盘点历史上那些为NBA输送人才的名校，看看哪所大学贡献了最多的全明星球员？ 乔丹（14届）、文斯-卡特（8届）、詹姆斯-沃西（7届）、沃尔特-戴维斯（6届 ...

2025年1月，由Halliday和Gyges Labs联合打造的AI眼镜Halliday Glasses，定价399-489美元，在全球最大众筹网站Kickstarter上线24小时，众筹金额即破百万美元，成AI眼镜众筹最大项目；不到 ...

之前网上有爆出过一位海淀妈妈，里里外外花了3、4万给孩子报名南极研学，希望能让孩子有超越课堂的体验，结果只换来孩子一句“妈，我在南极就捡了三个塑料瓶”！这样的事件并非个例，层出不穷的暴雷事件让不少中产妈妈打破了对这些高端夏令营的美好滤镜。夏令营，并不 ...

Melody曾在一档播客节目里讲到自己在30岁末40岁初的那段时间，突然对人生无感了：“呼吸只是反射动作，我没有真的在——感受（一切）。那种感觉很恐怖……我哭不出来，我原本是很感性的人，现在看书、看电影，眼睛都是干的——这不是我啊！”她不喜欢这样的自 ...

36氪获悉，天眼查知识产权信息显示，近日，苹果公司申请注册两枚“视控ID”商标，国际分类为网站服务、科学仪器，当前商标状态均为等待实质审查。据了解，苹果视控ID是苹果为Vision ...