·多模态, 论文解读
1 分钟0
UMM论文解读07-后训练篇：从GRPO联合强化到自奖励闭环，统一模型如何自我进化
> 前六篇我们把 UMM 的架构演进讲透了：从 Transformer/VQGAN 的知识底座，到 Chameleon/Emu3/Show-o 的早期探索，再到 Janus-Pro/BAGEL/U1 的三种主流范式、VCoT 把视觉变成思维载体、以及向视频与世界模型的延伸。但架构只决定了模型"能做什
·AI 论文翻译
1 分钟0
DeepSeek 技术报告发展脉络综述：从 V1 到 V4 的三年进阶之路
DeepSeek 技术报告发展脉络综述：从 V1 到 V4 的三年进阶之路 摘要：从 2023 年底到 2026 年，DeepSeek（深度求索）用三年时间完成了从无人问津到全球瞩目的蜕变。本文系统梳理 DeepSeek 发布的五份核心技术报告（V1、V2、V3、R1、V4），解读其技
·AI 论文翻译
1 分钟0
论文解析 | SAO：单轨迹异步优化在智能体强化学习中的应用
论文解析 | SAO：单轨迹异步优化在智能体强化学习中的应用 论文标题：Single-Rollout Asynchronous Optimization for Agentic Reinforcement Learning 作者：Zhenyu Hou, Yujiang Li