9月22日 周二 2 条
假如有一万张卡，RL训练该怎么扩大规模？十万张呢？
当大模型强化学习走向规模化，Batch Size Scaling 有什么不一样？
推荐理由本文围绕「强化学习」、「大模型」、「GPU」等主题展开。
刚刚，SpaceXAI最强Grok 4.7发布！价格杀疯，跑分令人失望
价格很能打，性能却没打服人
推荐理由本文涵盖「SpaceX」、「基础模型」、「马斯克」等多个主题，重点关注 SpaceX。
9月21日 周一 1 条
复旦上线音视频模型新裁判：一万组数据对齐人类审美
给音视频生成找一个“懂人”的奖励模型
推荐理由本文围绕「强化学习」、「后训练」、「AUDI」等主题展开。
9月20日 周日 1 条
给视频模型建一座「全能训练场」：300项任务、可验证奖励，VBVR-Pro系统探索视觉推理
VBVR-Pro 为视觉推理提供了一套统一的实验基础。
推荐理由本文围绕「强化学习」、「VBVR-Pro」等主题展开。
9月17日 周四 2 条
DeepSeek-V4.1 / V4 Flash 网络安全红队工具（无限四代）v0.4.0
介绍 V4.1-DeepSeek Flash 网络安全红队工具（无限四代）v0.4.0。针对 V4.1 强化学习对抗进行了突破支持，同时支持桌面端与客户端一键安装。如果这个开源网安项目对你有帮助，欢迎点亮 Star ⭐。 v0.4.0 纯净红队版 ：原生采用零工具面架构，杜绝模型思考阶段的工具调用决策噪音；…
推荐理由本文涵盖「DeepSeek」、「网络安全」、「强化学习」等多个主题，重点关注 DeepSeek。
罗福莉沉寂半年官宣小米强化学习！直播新模型训练过程，一小时烧3万美元
奖励曲线、显卡故障全公开
推荐理由本文围绕「强化学习」、「DeepSeek」、「开源」等主题展开。
9月16日 周三 1 条
GPT-6 Sol要来了？OpenAI本周或迎「发布狂潮」
GPT-6 Sol is coming？
推荐理由本文涵盖「GPT-6」、「OpenAI」、「Codex」等多个主题，重点关注 GPT-6。
9月15日 周二 2 条
在多项高难度Benchmark超越GPT-6 Astra，RSIAgent让开源模型自主探索新环境
Aether AI 深耕因果智能，推动 AI 持续自我进化
推荐理由本文涵盖「GPT-6 Astra」、「Agent」、「开源模型」等多个主题，重点关注 GPT-6 Astra。
3B模型成功率94.5%！Token级奖励打开长链路智能体训练新思路
为多轮智能体细化Token级奖励
推荐理由本文涵盖「智能体」、「强化学习」、「Agent」等多个主题，重点关注 智能体。
9月14日 周一 2 条
马斯克：Grok 5 将冲击 AGI
2026 年 9 月 14 日，有网友询问马斯克：“你认为 Grok 4.8 距离实现 AGI 有多接近？” 马斯克回复：“那将是 Grok 5”。 此前，马斯克透露，Grok 4.8 是一个约 2.5T 参数模型，采用 xAI 新开发的 C++ 软件栈训练，预计本周完成当前阶段训练，随后进入强化学习。…
推荐理由本文涵盖「马斯克」、「强化学习」、「Claude」等多个主题，重点关注 马斯克。
万字详解GPT-6 Astra，Sebastian Raschka带你读懂循环Transformer与隐藏的思维链
一文看懂循环深度、隐藏的思维链，以及近期关于「循环 Transformer 块」的研究
推荐理由本文涵盖「GPT-6 Astra」、「OpenAI」、「Codex」等多个主题，重点关注 GPT-6 Astra。