Qwen团队近日发布了一款名为QwQ 32B的开源推理模型，该模型基于Apache 2.0许可证，性能与DeepSeek R1相当，甚至优于许多更大的蒸馏模型。团队通过结合基于结果的奖励机制、形式化验证和测试用例检查，使模型在数学和...

近日，L-MAP技术在离线强化学习（Offline RL）领域取得了显著进展，特别是在处理随机、高维连续动作空间中的序列决策问题。L-MAP通过结合VQ-VAE模型，成功学习并优化了宏动作（macro-actions），从而显著提升了决策...

近日，一项名为“无损加速超长序列生成”的技术框架在GitHub上开源，旨在显著提升超长序列生成的处理速度，同时保持目标模型的固有质量。该框架支持高达100K tokens的序列生成，适用于需要处理大规模数据的场景，如自...

近日，一项名为DiffRhythm的技术引起了广泛关注。该技术利用Latent Diffusion模型实现了端到端的全长度歌曲生成，尽管其生成效果尚未达到顶尖闭源模型的水平，但其速度和简洁性令人印象深刻。DiffRhythm的核心优势在...

近日，一项针对多目标强化学习（Multi-Objective Reinforcement Learning, MORL）的创新研究取得了重要进展。该研究提出了一种新型奖励降维方法，显著提升了学习效率，突破了传统方法的局限性。传统的多目标强化学习...

fastDOOM作为一款高性能的技术解决方案，其速度优势备受关注。其核心在于采用了先进的LLM架构和高效的agent调度机制，通过embedding技术优化了数据处理流程。此外，fastDOOM还结合了LoRA和RAG技术，进一步提升了系统...

近日，一项关于LLM（大语言模型）自我奖励推理的研究引起了广泛关注。该研究提出了一种创新的两阶段训练框架，使模型能够独立生成推理步骤、自我评估正确性，并在无需外部反馈的情况下迭代优化输出。这一框架结合了...

近日，FlexPrefill技术通过动态调整稀疏注意力模式和计算预算，显著提升了大型语言模型（LLM）的推理效率。该技术通过查询感知模式确定和累积注意力索引选择，优化了长序列处理的速度和准确性。FlexPrefill的核心在...