最近更新されたチャンネル

選ぶとそのチャンネルだけを表示すべてのチャンネル →
20VC with Harry Stebbings今日AI Engineer今日硅谷101昨日MBMatthew Berman一昨日PragerU一昨日Y Combinator一昨日SemiAnalysis3 日前a16z3 日前GOTO Conferences3 日前The Builders4 日前

絞り込み結果

1 件
並び順
トピックDistillation言語簡体中国語
2:49:35ZH
Zhang Xiaojun Podcast· 2025年2月4日ポッドキャスト · 2 人潘嘉怡解读 R1、o1 与 Kimi K1.5：强化学习如何教模型学会推理ゲスト 潘嘉怡 · ホスト 张小珺伯克利博士生潘嘉怡带读 DeepSeek、OpenAI 与 Kimi 的推理模型报告，拆解长思维链、GRPO、奖励设计与蒸馏。R1-Zero 的“顿悟时刻”展示了推理策略如何在强化学习中涌现。Reinforcement Learningモデルと学習AI research+2