S
SkillNav

从条件分布到边际分布：预训练空间强化学习研究

深度2026年4月15日29 分钟阅读
最有趣的发现是：负样本强化机制能使模型推理思维提升14.89倍！本文适合研究强化学习、大语言模型优化和推理增强的研究人员阅读。
本文编译自 From $P(y|x)$ to $P(y)$: Investigating Reinforcement Learning in Pre-train Space，版权归原作者所有。

觉得有用？分享给更多人

获取每周 AI 工具精选

工具推荐、实战教程和生态洞察，每周更新。

关注 @skillnav_dev →阅读周刊

相关文章

安全团队用 Claude 攻破 OpenAI，拿下 6500 美元赏金

Hacktron AI 的三名研究人员利用 Discourse 论坛图像处理链中的内存漏洞攻入 OpenAI 系统，劫持了员工账号并接触到内部 GitHub 仓库，最终获得 6500 美元漏洞赏金。值得注意的是，同一漏洞在 Claude Opus 4.8 上无法利用，Opus 5 发布后几小时内就成功了。

深度·9月18日·4 分钟

开放权重模型拿下 56% Token，但 Anthropic 仍赚走 64% 的钱

Vercel AI Gateway 9 月报告显示，开放权重模型的 Token 份额从 2025 年 12 月的 7% 升至 2026 年 8 月的 56%。但按花费计算，开放权重模型仅占每美元中的 14 美分，Anthropic 则占据 64 美分，且自 2025 年 12 月以来从未跌破 61%。

深度The New Stack·9月18日·5 分钟

评论