新乡市网站建设_网站建设公司_网站建设_seo优化

Mobile GUI Agent

通用 GUI 智能体基座 MAI-UI

大佬说

唐杰THU

实践派

大润发杀鱼工：RL的一整年

天晴：用 RL 做 LLM 后训练：半年踩过的坑与心得

周星星：Agent 元年复盘

无大算力时，LLM 还有哪些值得做的研究

论文

自所&腾讯团队首次揭示大模型RL新机制

RL、Pre-training、Mid-training 对模型能力提升的区别

理解 LLM RL 稳定性的 insight 和实用 recipe

GPT-5-Thinking新训练方法

总结内容

深挖PPO，聊聊前身TRPO

大模型强化学习算法的演进与对比 (PPO, GRPO, DAPO, GSPO, SAPO)

LLM模型评估方法

青稞AI：唐杰和 Karpathy 的共识：AI 应用的本质是替代或增强人类工种，而不是为了做 App 而做 App
深入理解 KL 散度

多模态大模型主流架构