最近，OpenAI 推出了其最新的 o3和 o4-mini AI 模型，這些模型在許多方面都達到了尖端水平。然而，新的模型在 “幻覺” 問題上卻並沒有改善，反而幻覺現象比 OpenAI 之前的多個

近期，谷歌 DeepMind 团队与约翰・开普勒林茨大学 LIT AI 实验室合作，开展了一项关于人工智能语言模型的新研究。他们采用了强化学习微调（RLFT）技术，旨在提升语言模型的决策能力。这项

在大语言模型（LLM）发展的浪潮中，阿里通义 Qwen 团队近日推出了一种创新的强化学习方法 ——Soft Adaptive Policy Optimization(SAPO)。这一方法的核心目标