在大语言模型后训练中，强化学习正变得愈发关键，但面向长周期智能体任务时，传统同步、批次交替的RL流程效率低下。异步强化学习通过随到随更新的方式提升了效率，然而现有系统多偏重吞吐量，训练稳定性和任务有效性...

AI模型在学习过程中不可避免地会掌握大量“双用途知识”——既能用于网络防御、漏洞检测等正面场景，也可能被用于网络攻击和信息窃取等恶意目的。如何在不削弱模型整体能力的前提下，精准管控这类敏感知识，一直是AI安全...

Anthropic 最新研究提出一种名为 GRAM（Gradient-Routed Auxiliary Modules，梯度路由辅助模块）的方法，旨在以极低的成本实现对 AI 模型中双重用途知识的精细控制。双重用途知识指既可造福社会也可能被滥用的敏感能...

强化学习（RL）在可验证领域（如棋类游戏、编程代码）的成功已毋庸置疑，但现实世界中大量复杂任务（如机器人操控、制药分子设计、开放域对话）难以通过简单规则或自动脚本进行验证，这构成了RL落地的关键瓶颈。本文...

近日，一个名为 Ornith-1.0 的开源模型在开发者社区引起了广泛关注。该项目由 deepreinforce-ai 团队在 GitHub 上发布，其核心亮点在于专为“Agentic Coding”（自主代理编程）场景设计，并具备自我改进的能力。基于特...

DeepReinforce近日开源了其新一代编程模型家族Ornith-1.0，这一系列模型的最大亮点在于具备自我编写强化学习（RL）训练框架的能力，标志着AI模型在自我优化和自动化研究方向上迈出重要一步。Ornith-1.0家族基于预训...

本文来自知名软件工程师、敏捷开发方法创始人之一 Kent Beck 的个人通讯。文章标题颇具挑衅意味，直指当今科技行业对初级开发者（n00b）的一种普遍误解：认为招聘他们进来只是为了执行具体任务。Beck 提出，相较于完...

Perplexity AI公司近日在其官方博客中披露了一项名为Brain的新型记忆系统。该系统旨在解决当前AI代理在执行复杂任务时缺乏上下文和长期记忆的痛点。Brain通过构建一个跨任务、项目、决策、文件和资料源的持续上下文...