训练中自己生成的 Rollout，模型还能学到什么？小红书 AllSpark 提出 ROSS
从自己生成的经验中学习，已成为大语言模型后训练的重要方式。 强化学习与 on-policy 蒸馏都依赖模型在训练中生成的 rollout。
科技与互联网大模型 · 文章
按主题浏览来自不同作者的公开文章。标签由 AI 生成，仅供分类参考。
共 965 篇文章
从新到旧
MiniMax M3.1 Flash 答不上来时几乎从不说不知道
MiniMax 10 月 19 日发布了新的 Flash 模型，价格和 DeepSeek 非高峰时段一样，独立评测给了 42 分。同一份评测发现，它遇到不会的题，绝大多数时候会编一个答案，很少承认不知道。
科技与互联网算力租金剧烈震荡，AI也要买“保险”
即便算力期货仍处于监管延审阶段，算力可被期货化定价这件事，也已经把一个现实问题推到中国企业面前——当算力租金像油价那样剧烈波动，谁来替AI企业兜住成本风险。
商业与财经美国限制联邦行政部门使用「DeepSeek」及相关产品；AI陪伴产品「Tolan」完成3000万美元融资｜一句话看出海新鲜事
MiniMax 发布 M3.1 Flash 模型，Agent 任务综合使用成本降低 70%。
科技与互联网