GPT-5≈o3.1！OpenAI首次详解思考机制：RL+预训练才是AGI正道
该观点出自OpenAI研究副总裁Jerry Tworek的首次播客采访，而Jerry其人，正是o1模型的主导者之一。
rl
小红书AMA AI大佬们的观点摘录
最近，小红书举办的科技话题Ask Me Anything（AMA）活动吸引了众多国内AI圈的顶尖人物参与。本文将摘录这些大佬们在活动中分享的部分观点，涵盖从学术研究到AGI（通用人工智能）的多个方面，帮助读者快速了解当前AI领域的最新动态和专家们的看法。
亲自答丨如何理解强化学习之父萨顿的「LLM 是死路」观点？
RL是「基础AI」，核心在于理解世界并决定「做什么」（通过经验学习），而 LLM 则旨在模仿人类和文本。
阿里又开源了：一个端到端文档解析模型！文档布局识别能力提升！
像 GPT-4o、Qwen2.5-VL、SEED1.5-VL 这类端到端模型，在处理 PDF 扫描件时表现亮眼，不仅能提取文字，还能做表格分析、图表解读，甚至回答复杂问题。
恒生活：揭秘AI人工智能背后的技术
人工智能（AI）正以前所未有的速度重塑我们的世界，从智能家居到自动驾驶，从医疗诊断到金融风控，AI的广泛应用背后是其强大的核心技术支撑。本文将深入解密AI背后的核心技术，包括机器学习、深度学习、自然语言处理、计算机视觉和强化学习，揭示它们如何协同工作，推动AI
AI模型新方向！RL训练新解法，打破简单题过拟合、难题学不动魔咒
在人工智能的赛道上，参数规模的竞赛愈演愈烈，仿佛模型的智慧只能用海量的计算资源和庞大的体积来堆砌。然而，最近的风向似乎变了，一股精细化、高效率的训练哲学正在悄然兴起。
LLM推理获“确定性”！SGLang兼容关键功能，提速2.8倍
别觉得这是小打小闹，懂行的都知道，现在大语言模型推理最头疼的就是“不确定性”，明明输入一模一样的提示，输出却可能差老远。
1.5B模型新SOTA，RL训练新解法打破「简单题过拟合、难题学不动」
提升 Pass@k：在提高 Pass@1 的同时，QuestA 不会降低 Pass@k 性能 —— 事实上，它通过让模型在多次尝试中进行更有效的推理，从而提升了模型能力。
饭碗保卫战打响，大厂狂砸十亿教AI上班，打工人要被机器淘汰了？
有公司CEO坦言，未来1至5年，AI有可能会导致几乎一半的入门级白领岗位消失,在这样的情况下，美国失业率有可能攀升至10% - 20%。
Kimi K2 高效 RL 参数更新，从10分钟到20秒的技术突破
在今年 7 月发布的 Kimi K2[1] 模型中，我们实现了 RL 期间 1T 参数模型仅用约 20s 完成整个参数更新流程，显著优化了的 RL E2E 耗时的关键效率瓶颈。在实现高效参数更新的路上我们也踩了很多坑，希望写一篇文章也来聊聊我们遇到的一些问题和
美团开源5600亿参数大模型，高难度编程能力媲美GPT-5
半个月前，美团出人意料扔出了LongCat-Flash-Chat大模型。性能强悍，令人称赞。 升级版LongCat-Flash-Thinking又来了。
10亿“教育费”喂AI！未来经济变RL机器，白领岗位保得住吗？
Anthropic、OpenAI这些AI大厂最近动作特别大，每年要拿10亿美元出来，专门教AI像人类一样上班。这事在白领圈子里已经吵开了，不少人都在琢磨：自己的工作会不会被这个“新同事”给顶了？
首个开源实现100%可复现的稳定RL训练框架来了！2次结果完全重合
近期，Thinking Machines Lab (由 OpenAI 前 CTO Mira Murati 创立) 发布了一篇文章——《克服LLM推理中的不确定性》，指出问题的核心在于缺乏批次不变性(batch invariance)。
Agentic Coding表现创新高，全新KAT系列模型强势霸榜SWE-Bench
近期，快手 Kwaipilot 团队推出了KAT 系列两款突破性 Agentic Coding 大模型：开源 32B 参数模型 KAT-Dev-32B与闭源旗舰模型 KAT-Coder。
缺数据也能拿SOTA？清华&上海AI Lab破解机器人RL两大瓶颈
降低对大规模演示数据的依赖，提升数据效率；增强模型在分布偏移场景下的泛化能力；实现高效的Sim-to-Real迁移，提升真实世界任务性能。
AI正在偷走白领工作，你的完美继任者即将上岗
家人们，AI风暴正以迅雷不及掩耳之势席卷职场！Anthropic、OpenAI等大厂，正计划每年投入10亿美元，教会AI像人类一样工作，一场前所未有的岗位大替代正在上演。
纯RL破局！DeepSeek-R1 登上《Nature》 性能逼近GPT-4o
在人工智能领域，大语言模型（LLMs）的推理能力始终是衡量技术突破的核心指标之一。传统方法多依赖人类标注的推理轨迹或特定提示策略，虽然能够在任务当中取得一定的成绩，但却受限于标注成本与人类思维边界。
清华联手上海 AILab！推理模型RL综述重磅发布，叩响超级智能大门
这篇论文标题是《ASurveyofReinforcementLearningforLargeReasoningModels》，专门梳理RL在大推理模型（LRM）里的最新进展。
无需标注！大语言模型的“内生奖励”机制：强化学习的新突破
众所周知，在强化学习训练中的关键环节就是奖励信号的获取，准确的奖励信号对于训练的效果至关重要。在经典RL 中，奖励信号可以看作环境的一部分 —— 即行动后环境的真实反馈，而在 RL 训练 LLM 中，奖励值的来源主要有两种方式：
EMNLP2025 | SFT与RL的结合，vivo AI Lab提出新的后训练方法
监督微调（SFT）和强化学习（RL）微调是大模型后训练常见的两种手段。通过强化学习微调大模型在众多 NLP 场景都取得了较好的进展，但是在文本分类场景，强化学习未取得较大的进展，其表现往往不如监督学习。