收录大模型
DeepSeek-R1 推理模型技术报告深度解读：强化学习如何涌现推理能力
AI 摘要 · 自动生成
DeepSeek-R1 证明了纯强化学习（RL）可以在不依赖监督微调的情况下涌现出强大的链式推理能力。本文拆解其 GRPO 算法、奖励设计与蒸馏策略，并分析 R1-Zero 的"顿悟时刻"对开源社区的意义。
核心要点
- 01R1-Zero 完全基于 RL 训练，无需 SFT 冷启动即涌现自我反思能力
- 02GRPO 算法省去 Critic 网络，显著降低训练成本
- 03蒸馏小模型（1.5B-70B）在多项基准上超越 GPT-4o
- 04全部权重 MIT 协议开源，可自由商用
文中提到的开源项目
原始来源 · 请支持原创
完整内容请访问原文：
公众号 · 机器之心//相关内容
收录2026-10-27
零代码用WorkBuddy一句话上线微信小程序
作者小林AI实验分享用腾讯WorkBuddy零代码开发微信小程序的完整流程：从描述需求、选择模型、决定云存储到发布体验版，以记账小程序为例演示。全程仅花12积分，5分钟补上遗漏功能，强调先跑出初版再迭代，普通人也能快速上线小程序。
收录2026-10-27
明略科技开源Mano-P：AI直接操控电脑软件
明略科技开源视觉GUI操作模型Mano-P，上线四周即爆火。它无需CDP协议和HTML解析，能自主操控剪视频、填表格、打麻将等各类电脑软件，拿下MMBench等13个全球多模态榜单第一。硬件门槛极低，M4芯片32G内存的Mac mini即可本地运行。
收录2026-10-26
PaddleOCR：90.5k星的开源OCR神器
视频介绍了开源项目PaddleOCR，GitHub星标数达90.5k，近期仍在高频更新。它无需接入大模型即可将复杂PDF或图片转为结构化文字，支持手写体、繁体字、数学公式、文言文及多语言混合文档识别，且因不依赖大模型而实现零幻觉，适合免费批量处理数据。
//评论
0 条