强化学习 - 芝麻派AI

DeepSeek-R1 开源推理模型：纯 RL 让大模型学会反思，效果直逼 o1

遇到复杂推理题时，很多模型要么直接猜答案，要么绕来绕去不…

R1-V：用强化学习让VLM学会视觉定位，无需手工标注

想让视觉语言模型（VLM）不仅看懂图片，还能精准指出目标…

Welcome! This site is in Chinese. Tap EN in the top bar to read in English.