用户12833090

文章/答案/技术大牛

发布

LV1

发表了文章 1天前2026-11-01 14:49:12

井字棋里的 GRPO 机制解剖：涨分是真的，推理是假的

@[toc] RLVR 这几年最流行的一句话是：模型在可验证奖励上做强化学习，就会「学会推理」。这句话的证据通常是 benchmark 曲线往上走。但曲线往上走...

用户12833090 1天前2026-11-01 14:49:12

AIGC

发表了文章 1天前2026-11-01 14:40:41

别用成功率选 VLA：RoboSeed 把选型拆成五个能算的维度

@[toc]假设你要在三个月内给自己的产线挑一个 VLA 模型。论文排行榜上第一名 89.7%，第二名 85.5%。你选了第一名，理由是只差这 4.2 个百分点...

用户12833090 1天前2026-11-01 14:40:41

人工智能

发表了文章 9天前2026-10-24 11:14:53

500M 激活逼近 3.3B：VLA 的容量到底该加在哪一层

把 VLA 从论文搬到机器人上，第一件要算的不是分数，是账单：主干多大、动作专家多大、显存够不够、单帧推理多少毫秒。SmolVLA 这条路线之所以被部署侧关注，...

用户12833090 9天前2026-10-24 11:14:53

AIGC

发表了文章 11天前2026-10-22 11:09:10

agent 账单里 82% 花在读缓存：把 KV 变成可编程对象，成本降 27.7% 而精度还涨了 1.7 分

做 agent 基建的人，大概都见过这样一块监控面板：一个搜索型 agent 跑到第 60 轮，输入长度爬到 90k，每一轮请求里「cache read」那一栏...

用户12833090 11天前2026-10-22 11:09:10

AIGC

发表了文章 12天前2026-10-21 11:29:17

同一帧同一动作，结局必须不同：把规则从像素里拆出来，世界模型从 32% 走到 92%

导语：做交互式生成的人迟早会碰到这件事：你现在盯着的这一帧，根本没有足够信息决定下一步该发生什么。这篇论文把「规则执行」从像素里拆出来，先结算事件、再让冻结的视...

用户12833090 12天前2026-10-21 11:29:17

AIGC

个人简介

暂未填写公司和职称
暂未填写个人简介
暂未填写技能专长
暂未填写学校和专业
暂未填写个人网址
暂未填写所在城市
加入社区时间：2026-10-21

个人成就

获得 5 次赞同
文章被阅读 753 次
文章获得 1 次首页推荐

关注了：0关注者：6

用户12833090

井字棋里的 GRPO 机制解剖：涨分是真的，推理是假的

别用成功率选 VLA：RoboSeed 把选型拆成五个能算的维度

500M 激活逼近 3.3B：VLA 的容量到底该加在哪一层

agent 账单里 82% 花在读缓存：把 KV 变成可编程对象，成本降 27.7% 而精度还涨了 1.7 分

同一帧同一动作，结局必须不同：把规则从像素里拆出来，世界模型从 32% 走到 92%

个人简介

个人成就

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐