最近更新的频道

点选即可只看该频道浏览全部频道 →
20VC with Harry Stebbings今天AI Engineer今天硅谷101昨天PragerU前天MBMatthew Berman前天Y Combinator前天SemiAnalysis3天前a16z3天前GOTO Conferences3天前The Builders4天前

筛选结果

1 篇
排序
主题Distillation语言简体中文
2:49:35ZH
Zhang Xiaojun Podcast· 2025年2月4日播客 · 2 人对谈潘嘉怡解读 R1、o1 与 Kimi K1.5：强化学习如何教模型学会推理嘉宾 潘嘉怡 · 主持 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模型与训练AI research+2