-
-
-
-
-
-
-
- 2026/9/30
- 默认分类
新研究：我们发布了ExplorationBench，这是一个用于衡量AI系统探索能力的基准。科学研究往往始于已知问题之外的地方：系统需要提出假设、设计实验，并从结果中学习。评估这一点非常困难。真正的创新答案无法快速验证，而在熟悉的领域，模型- 94阅读
- 0评论
-
- 2026/9/30
- 默认分类
目前的模型约束非常严格，限制了大模型如何管理自己的上下文。我们发现可以让大模型直接编辑上下文，这样可以更好地管理长期记忆，更高效地适应计算，还能实现更多功能。再也不用担心压缩问题了！Rulin Shao：大模型在上下文管理上的苦涩教训是：给- 165阅读
- 0评论
-
-
- 2026/9/30
- 默认分类
“3”的奖励可能完全代表两种不同的意思。大家普遍认为一个回复平庸无奇，或者一半人喜欢另一半人讨厌。大多数奖励模型无法区分这种差异。现在介绍一种新的扩散奖励模型（DRM）：它不会将人类偏好简单地压缩成一个分数，而是学习完整的奖励分布，保留分歧- 100阅读
- 0评论
