搜索
在 LLM/MLLM 领域，基于 verifier 奖励的强化微调（Reinforcement Fine-Tuning, RFT，如 GRPO）在激发复杂推理能力方面展现出显著优势。由于 On-policy 优化的特性，很多研究指出 RFT 相比传统的监督微调（SFT）天然具备更强的抗遗忘能力。
据Z Finance报道，周畅已离开字节Seed、转向Physical AI创业并获头部美元基金投资，但接近字节的人士否认离职；Seed将VLM并入LLM体系，折射出多模态统一路线调整。
设想这样一个场景：给机器人下达一句自然语言指令，让它穿过走廊、接连转弯，最终走进指定房间。视觉语言导航（VLN），需要让机器人结合沿途看到的画面，把人类的语言指令转化为一连串连续行动。
还得是「源神」D老师，善呐！
LLM智能体如何在部署过程中，通过自身执行持续进化？
GPT-6 Luna 要被扩散 LLM 抢饭碗了？
谷歌与Meta联合开源TorchTPU，使TPU成为PyTorch原生设备，并完成vLLM、SGLang、Hugging Face、Ray、TorchTitan等主流项目接入，CUDA的软件生态护城河开始松动。
在将 LLM 真正应用到产品的过程中，我们经常会遇到一个看似简单、却非常关键的问题：模型生成的内容，究竟有多可信？
团队提出免训练评测方法RAVEL，通过带稳定项的PCA白化和局部图像块匹配提升视觉编码器评测准确性，在三个LLM上的平均Spearman相关系数达0.85，并开源210个MLLM权重。
真是活久见！ 连Linux之父，都让Claude来写内核了。就在最近，一位开发者在刷新Linus的官方内核仓库时，赫然发现了一个极不寻常的新分支——noref-filemap-read-with-llm