Qwen 团队提出 Soft Adaptive Policy Optimization 提升大模型 RL 稳定性
Soft Adaptive Policy Optimization(SAPO)算法论文在 arXiv 上发布,随后 Qwen 团队通过官方博客系统介绍这一面向大语言与多模态模型的强化学习训练方法。研究指出,现有基于硬截断(hard clipping)的策略优化在重要性比极端波动时要么梯度消失,要么梯...
Soft Adaptive Policy Optimization(SAPO)算法论文在 arXiv 上发布,随后 Qwen 团队通过官方博客系统介绍这一面向大语言与多模态模型的强化学习训练方法。研究指出,现有基于硬截断(hard clipping)的策略优化在重要性比极端波动时要么梯度消失,要么梯...
OpenAI 宣布,与 Anthropic 及 Block 共同在 Linux 基金会旗下发起成立 Agentic AI Foundation(AAIF),以推动智能体(agentic AI)相关的开放、可互操作技术标准和生态建设。该基金会旨在为不同厂商与开源社区提供中立平台,让各类 AI 智能体在...
OpenAI 宣布任命 Denise Dresser 为公司首席营收官(Chief Revenue Officer),负责统筹全球营收战略以及企业客户成功相关业务。官方介绍称,OpenAI 正处于高速增长阶段,已成为“历史上增长最快的商业平台”之一,新任高管将重点推动企业将 AI 更大规模地融入日常...
Anthropic 宣布将模型上下文协议(Model Context Protocol,MCP)捐赠给隶属 Linux 基金会的新机构 Agentic AI Foundation(AAIF)。该基金会由 Anthropic、Block 与 OpenAI 共同发起,获得 Google、Microsof...
12 月 10 日起,多条社交平台贴文与社区帖子称,知识管理工具 Notion 在网页端内部出现名为 “olive-oil-cake” 的隐藏模型选项,被指可能对应尚未公开的 GPT-5.2。一些截图显示,该选项带有 OpenAI 标识,并与现有 GPT-5.1 条目区分开来。不过,截至目前,Not...
谷歌在 Gemini 应用中面向少量受邀用户测试 Veo 3.1 相关的实验性模板画廊功能。用户在工具菜单中点击 “Create videos”,即可进入模板库,从预设模板中进行选择并提交生成视频,或通过上传自身图片来定制模板效果,相关信息由 Gemini 官方在社交平台发布。 目前,这一功能仅在测...