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。
觉得有用？分享给更多人
相关文章
Cognition 为 Devin 引入分层预算功能，支持企业按组织层级分配和追踪 AI 编程代理的开销。预算耗尽即中断任务，但工程师可申请额外 ACU，管理员也能设置效率评分自动批准。
深度The New Stack·11月2日·6 分钟
Realtime-Bench 用 50 个动态任务测试模型在实时压力下的表现，顶级模型在真实延迟下成功率仅 36%，远低于暂停计时下的 80%。同期 DIA 报告详述太空军事化，Metis 提出融合符号与神经推理的新架构。
深度·11月2日·8 分钟