关键词 "强化学习" 的搜索结果， 共 8 条, 只显示前 480 条
１．codonGPT引入了第一个直接在编码mRNA序列（密码子）上训练的生成语言模型，解决了基于RNA的序列建模中一个主要问题，该问题一直落后于DNA和蛋白质建模的进展。 ２．一项关键创新是使用推理时间同义逻辑掩蔽，确保生成的密码子序列以100%的保真度保留原始氨基酸序列，这对于治疗应用至关重要。 ３．强化学习（RL）首次在codonGPT的基础上用于优化特定蛋白质的密码子序列。这允许用户跨
Pokee AI 是下一代通用 AI Agent 开发平台。平台基于强化学习（RL）技术构建高效、个性化且交互性强的 AI Agent，替代传统大语言模型进行任务规划和工具调用。Pokee AI 的 Agent 在多步骤任务执行、推理和工具使用方面表现出色，能快速响应用户指令、提供精准服务，适用于电商、开发与创作、企业自动化等多个领域，基于个性化服务与用户建立长期绑定关系，推动 AI 在更多场景中
Klear-Reasoner 是快手推出的基于 Qwen3-8B-Base 的推理模型，专注于提升数学和代码推理能力。模型通过长思维链监督微调（long CoT SFT）和强化学习（RL）训练，核心创新是 GPPO算法，通过保留被裁剪的梯度信息，解决传统方法中探索能力受限和负样本收敛慢的问题，在 AIME 和 LiveCodeBench 等基准测试中达到 8B 模型的顶尖水平。Klear-Reas
Aivilization 是香港科技大学推出的全球首个大型人工智能多智能体社会模拟沙盒平台。结合了公民科学游戏、公共教育和大规模多智能体社会模拟，通过可视化的数字沙盒，让用户创造、引导并观察成千上万个 AI 智能体，模拟未来人与 AI 共存的社会演化。平台的核心目标是普及 AI 知识、收集人类反馈数据以支持 AI 技术研究，探索 AI 在未来社会中的角色。支持数千个 AI 智能体同时在线，模拟复杂
微软研究院的一个研究团队探索了使用主动式强化学习（agentic reinforcement learning）来实现这一目标，也就是说，模型会与专用工具环境中的工具进行交互，并根据收到的反馈调整其推理方式。而他们的探索成果便是 rStar2-Agent，这是一种强大的主动式强化学习方法。使用该方法，这个微软团队训练了一个 14B 的推理模型 rStar2-Agent-14B—— 该模型达到前沿级
阿里巴巴正式发布其医疗大模型QuarkMed，它在一项模拟中国执业医师资格考试的测试中，取得了70%的惊人准确率，性能超越一众顶尖模型。其成功的秘诀并非单一技术突破，而是一套严谨的组合拳：世界级的数据工程 (1T tokens的权威分级数据) 与独创的“四段式”训练心法，系统性地将通用AI锻造成领域专家。更重要的是，该项目为行业揭示了两条关于AI可靠性的黄金法则：• 法则一：在高风险领域，RAG（
通义DeepResearch 是阿里巴巴推出的开源深度研究智能体，专为长周期、深度信息检索任务设计。拥有 300 亿参数，每次激活 30 亿参数，支持 ReAct 模式和深度模式（Heavy Mode），后者通过迭代研究范式（IterResearch）提升复杂推理能力。智能体采用全流程合成数据方案，无需人工干预即可生成高质量数据集，突破智能体能力上限。训练流程涵盖智能体持续预训练（Agentic
CWM（Code World Model）是 Meta 开源的一个拥有 320 亿参数的代码语言模型。它率先将“世界模型”的概念引入代码生成领域，让模型能够通过模拟代码执行过程，更深层次地理解和生成代码，而不仅仅是基于模式匹配。CWM 在多项基准测试中表现出色，例如在 Math-500 数据集上取得了 96.6% 的准确率。该模型的权重已公开，旨在推动代码生成和理解领域的研究，并帮助开发者更高效地
只显示前20页数据，更多请搜索
Showing 25 to 32 of 32 results
