复旦大学的研究团队提出了一个革命性的解决方案：给机器人装上"想象力"。他们开发了一套名为"双重偏好优化"（D?PO）的新方法，让机器人在执行动作前先在"脑海"中模拟一遍，预测每个动作会带来什么结果。这就像让机器人变成了一个会思考的厨师，不仅知道要做什 ...

相较于基础模型，RedOne在8个主要的SNS任务上平均提升14.02%，在SNS双语评测基准上提升7.56%。同时，在线上测试中，相较于单任务微调的基线模型，RedOne将有害内容检测（Harmful Content ...

8 月1日，全球营销衡量与体验管理平台 AppsFlyer携旗下游戏营销品牌 AppsFlyer for games 再次重磅登陆2025 ChinaJoy，落地W3-B605展位。本届展位以“跨次元超能之旅”为主题，围绕视觉震撼、互动体验与内容赋能 ...

点击上方“Deephub Imba”,关注公众号,好文章不错过 !这是7月份的一篇论文，Qwen团队提出的群组序列策略优化算法及其在大规模语言模型强化学习训练中的技术突破大规模强化学习的稳定性挑战强化学习（Reinforcement Learning ...

JAKARTA, Aug. 1 (Xinhua) -- The Indonesian government is encouraging the use of artificial intelligence (AI) technology for micro, small, and medium enterprises (MSMEs) as an effort to strengthen the ...

休斯顿 - 市值22亿美元的人力资源解决方案提供商Insperity, Inc. (NYSE: NSP )目前交易价格接近52周低点，该公司宣布更新其人力资源解决方案组合策略，旨在满足中小型企业 (SMBs)不断变化的需求。根据 InvestingPro 分析，该公司在当前价位似乎被低估，为对人力资源服务板块感兴趣的投资者提供了潜在机会。

这项由浙江大学吴行宇、颜雨辰、吕尚柯等研究团队完成的突破性研究发表于2025年1月，论文题为《LAPO: Internalizing Reasoning Efficiency via Length-Adaptive Policy Optimization》。有兴趣深入了解的读者可以通过GitHub（https://github.com/zju-real/lapo）或项目主页（https://zju ...

据通义千问Qwen，为了能够持续拓展强化学习 （Reinforcement Learning，RL），提出了Group Sequence Policy Optimization (GSPO) ...

BEIJING, July 31 (Xinhua) -- A decade into China's national park reform initiative, the country has made significant strides in restoring flagship wildlife populations and bolstering ecological ...