AI技术文章 AI科技 智慧城市 智能教育 DanceGRPO：首个统一视觉生成的强化学习框架 2025年5月15日 yinhua 没有评论 R1 横空出世，带火了 GRPO 算法，RL 也随之成为 2…
AI科技 智慧城市 智能教育 OpenAI：强化学习确实可显著提高LLM性能，DeepSeek R1、Kimi k1.5发现o1的秘密 2025年2月20日 yinhua 没有评论 OpenAI 在论文开篇就用一句话进行了总结：「将强化学习应…
AI科技 智慧城市 智能教育 强化学习之父Richard Sutton给出一个简单思路，大幅增强所有RL算法 2024年11月1日 yinhua 没有评论 近日，强化学习之父、阿尔伯塔大学教授 Richard Sut…
