AI教程不用改权重也能赢过 GRPO：GEPA 如何把一条轨迹榨干用到极致
伯克利团队提出 GEPA：不调模型权重、不用 GPU 训练，只靠“读懂轨迹+改提示”，在 35 倍更少采样下击败 GRPO 超 10 分。本文拆解它为何有效、适用场景，以及如何在 DSPy 中上手。
#强化学习
按标签聚合查看文章内容。
AI教程
AI教程顶尖 AI 实验室在 2026 年如何用“免写奖励函数”的方式训练强化学习代理
从 RLHF、RLVR 到 RULER：顶尖实验室正在把“写奖励函数”这件最难的活交给模型自己做。
AI资讯独家报道：谷歌与Thinking Machines Lab签署数十亿美元新协议，深化合作关系
前OpenAI高管Mira Murati创立的初创公司Thinking Machines Lab，已签署一项新的数十亿美元协议，扩大其对谷歌云AI基础设施的使用范围，其中包括搭载Nvidia最新GPU的系统，TechCrunch独家获悉。 据知情人士透露，该协议价值数十亿美元，涵盖了基于Nvidia新款GB300芯片构建的谷歌最新AI系统的访问权限，以及支持模型训练和部署的基础设施服务。 谷歌正积
AI资讯性能反转：苹果发布RubiCap图像描述框架
苹果与威斯康星大学麦迪逊分校联合推出了RubiCap AI训练框架，专注于密集图像描述，旨在让AI准确描述图像细节，如桌上的红苹果。该框架采用强化学习，借助Qwen2.5作为裁判提升训练效果，实现以更少参数获得更好表现。
AI资讯Mistral推出定制AI平台，挑战OpenAI与Anthropic的企业市场地位
大多数企业AI项目失败的原因并非技术不足，而是所使用的模型无法真正理解企业的业务。这些模型通常基于互联网数据训练，而非企业数十年的内部文档、工作流程和机构知识。 法国AI初创公司Mistral正是看中了这一差距。公司于周二发布了Mistral Forge平台，允许企业基于自身数据构建定制化模型。该平台在英伟达年度技术大会Nvidia GTC上亮相，今年大会重点聚焦AI及面向企业的智能代理模型。 M
AI资讯索尼新款AI机器人或能击败你打乒乓球
索尼发布了名为“Project Ace”的自主乒乓球机器人，能够与职业选手竞技，展示了AI在物理世界中达到人类专家水平的突破。
AI资讯AlphaGo背后的科学家认为人工智能走错了方向
2016年，谷歌DeepMind开发的人工智能程序AlphaGo通过自我学习掌握了围棋这项极其复杂的游戏，其能力远超简单模仿。 David Silver随后创立了自己的公司Ineffable Intelligence，致力于打造更通用的超级智能AI。Silver表示，公司将专注于强化学习，这是一种通过试错让AI模型学习新能力的方法。其愿景是创造出在多个领域超越人类智能的“超级学习者”。 这种方法与
AI资讯DeepMind的David Silver筹集11亿美元打造无需人类数据的自主学习AI
英国人工智能实验室Ineffable Intelligence由前DeepMind研究员David Silver于几个月前创立，近日完成了11亿美元的融资，估值达到51亿美元，旨在开发能够超越大型语言模型的新型AI模型。 根据其官网介绍，Ineffable的目标是打造一款“超级学习者”，通过强化学习技术自主发现知识和技能，而无需依赖人类数据。强化学习是一种通过试错方式让AI系统学习的技术，这正是S
AI资讯所有模型实验室现已转型为智能代理实验室
随着OpenAI即将提交IPO申请，模型实验室正逐步转向构建智能代理产品，行业格局正在发生深刻变化。
AI资讯Gemma 4下载量突破200万，掀起本地化AI模型热潮
Gemma 4自发布一周内下载量已接近200万，成为本地部署和多模态AI模型的标杆。
AI教程强化学习课程：从零到智能体实战的系统路径
一套循序渐进的强化学习课程，从基础概念、MDP 与贝尔曼方程，到深度强化学习与大语言模型中的 RL 应用，帮助你搭建完整知识框架并落地到真实智能体场景。
AI资讯SkyReels V4荣登全球视频生成榜首，中国AI视听技术实现世界级领先
天工AI大模型SkyReels V4在全球视频生成领域领先，突破性应用强化学习与逻辑推理技术，解决视频生成中的一致性和叙事逻辑难题，成为全球最强视频生成AI模型。