|
|
微调已死?Agentic上下文工程范式兴起,无需微调使LLM自进化 智猩猩AI · 公众号 · · 8 月前 · |
|
|
8美元即可对DeepSeek-V3.2做强化学习?腾讯优图提出Training-Free GRPO 智猩猩AI · 公众号 · · 8 月前 · |
|
|
智能体强化学习新SOTA!阿里通义联合提出在线过程奖励学习OPRL,兼容GRPO与PPO 智猩猩AI · 公众号 · · 9 月前 · |
|
|
GitHub斩获70k Star!9000+实用MCP服务器大合集,让你告别重复造轮子 智猩猩AI · 公众号 · · 9 月前 · |
|
|
从猜你喜欢到听你指令!Meta探索智能体推荐系统并提出模拟环境RecoWorld 智猩猩AI · 公众号 · · 9 月前 · |
|
|
百万Token输出费用降75%!DeepSeek最新开源模型V3.2-Exp解读,首次引入稀疏注意力... 智猩猩AI · 公众号 · · 9 月前 · |
|
|
智能体使用长对话交互工具新突破!字节Seed联合提出过程监督强化学习方法TARL 智猩猩AI · 公众号 · 科技媒体 · 9 月前 · |