5148 位用户此时在线
24小时点击排行 Top 10：
- 本站自动实时分享网络热点
- 24小时实时更新
- 所有言论不代表本站态度
- 欢迎对信息踊跃评论评分
- 评分越高，信息越新，排列越靠前
2
1
0
Large Reasoning Model时代, 几乎等于Reinforcement Learning + LLM的时代。
但RL专业性非常强，去参加ML的会议时，专门做RL的研究员都现场拿着笔纸推算数学公式，掌握起来学习难度较高。
分享一本RL的入门教材，从RL基础MDP，PPO，直到跟LLM结合，如RLHF，都有讲解，深入浅出。
Reinforcement
时政
(
twitter.com
)
由
马东锡 NLP 🇸🇪
提交
Large Reasoning Model时代, 几乎等于Reinforcement Learning + LLM的时代。
但RL专业性非常强，去参加ML的会议时，专门做RL的研究员都现场拿着笔纸推算数学公式，掌握起来学习难度较高。
分享一本RL的入门教材，从RL基础MDP，PPO，直到跟LLM结合，如RLHF，都有讲解，深入浅出。
Reinforcement Learning: An Overview：
https://t.co/rjYSpOtbJl
点击图片查看原图
1
2
1
1
2
2
1
1
3
2
1
1
4
2
1
1
5
Autonomous driving with Chain of Thought - autopilot thinking out loud in text!
2
1
1
Autonomous driving with Chain of Thought - autopilot thinking out loud in text!
LINGO-1 is the most interesting work I've read in autodriving for a while.
Before: perception -> driving action
After: perception -> textual reasoning -> action
LINGO-1 trains a video-language…
时政
(
twitter.com)
00:00:35
6
DeepSeek-V4-Flash-Vision-Exp is now live on the DeepSeek API Platform! 🚀
2
1
1
DeepSeek-V4-Flash-Vision-Exp is now live on the DeepSeek API Platform! 🚀
🔹 This experimental multimodal model matches DeepSeek-V4-Flash on text capabilities—including agents, reasoning, and world knowledge.
🔹 On multimodal agent benchmarks, V4-Flash-Vision-Exp makes a major
时政
(
twitter.com)
•
DeepSeek
7
2
1
1
8
2
1
1
9
3
2
2
10
2
1
1
11
2
1
1
12
2
1
1
13
2
1
1
14
2
1
1
15
2
1
1
16
2
1
1
17
2
1
1
18
2
1
1
19
2
1
1
20
2
1
1
21
2
1
1
22
2
1
1
23
2
1
1
24
2
1
1
25
2
1
1