AI日报 – 2025-05-29(早)
LLM+RL训练有效性质疑：虚假奖励竟也能提升模型推理能力: 近期，华盛顿大学、艾伦人工智能实验室与伯克利的研究者发现，即使使用随机甚至错误的“虚假奖励”训练Qwen2.5-Math-7B模型，也能在MATH-500等数学基准测试上取得显著性能提升（随机奖励提升21%，错误奖励提升25%），与真实奖励（28.8%）效果相近。这一现象引发AI社区对当前强化学习（RLVR）方法有效性的广泛讨论与质疑，
AI日报 – 2025-05-28(晚)
RLHF/RLAIF的未来：随机/错误奖励也能提升模型性能? : Stella Li的实验表明，使用随机奖励或不正确奖励训练Qwen2.5-Math-7B模型，在MATH-500测试集上分别提升了21%和25%，接近使用真实奖励28.8%的提升效果。natolambert转发的Rulin Shao的研究也发现，RLVR（Reinforcement Learning from Verifier Re
AI日报 – 2025-05-28(早)
Omni-R1：新颖双系统强化学习框架提升全模态推理能力 : Omni-R1 提出了一种创新的双系统架构（全局推理系统+细节理解系统）来解决长时视频音频推理和像素级理解之间的冲突。该框架利用强化学习（特别是组相对策略优化 GRPO）端到端地训练全局推理系统，通过与细节理解系统的在线协作获得分层奖励，从而优化关键帧选择和任务重述。实验表明，Omni-R1 在 RefAVS 和 REVOS 等基准测试
AI日报 – 2025-05-27(晚)
AMD与NVIDIA在AI推理领域的性能之争引发热议: SemiAnalysis指出SGLang在AMD ROCm平台上存在测试问题，如删除失败测试、降低通过门槛，并质疑MI325X CI被禁用。Anush Elangovan（AMD）回应称，最新SGLang下MI300X与H200在GSM8K准确率均为0.497，但MI300X在延迟（19.479s vs 24.016s）和吞吐量（9216.5
AI日报 – 2025-05-27(早)
DeepSeek-V3-0526模型或将发布，对标GPT-4.5和Claude 4 Opus: 社区消息显示，深度寻求（DeepSeek）可能即将发布其V3模型的最新更新版本DeepSeek-V3-0526。据Unsloth文档页面信息，该模型性能与GPT-4.5及Claude 4 Opus相当，有望成为全球性能最佳的开源模型。这标志着DeepSeek对其V3模型的第二次重要更新。Unsloth已
AI日报 – 2025-05-26(晚)
谷歌创始人谢尔盖·布林解读Gemini强大之谜与AI未来: 谷歌创始人谢尔盖·布林在访谈中深入探讨了Gemini模型的快速崛起及其背后的技术逻辑。他强调，语言模型已成为AI发展的主要驱动力，且其可解释性（如思维模型能洞察推理过程）对安全至关重要。布林指出，模型架构趋同，但后训练阶段（微调、强化学习）日益重要，赋予模型工具使用等强大能力。谷歌正致力于让模型能进行深度思考（数小时乃至数月），以解决复杂
AI日报 – 2025-05-26(早)
字节开源GPT-4o级图像生成模型BAGEL: 字节跳动发布了开源多模态AI模型BAGEL-7B-MoT，该模型在图像生成、编辑和视觉理解方面展现出与OpenAI GPT-4o相媲美的能力。BAGEL采用混合变压器专家（MoT）架构，拥有70亿活跃参数（总计140亿），能够在一个统一模型中处理文本到图像生成、图像编辑（包括自由形式编辑、风格迁移、场景重建和多视角合成）以及视觉理解等多种任务。研究发
AI日报 – 2025-05-25(晚)
Claude 4 系统提示泄露揭示其复杂内部运作与伦理考量: Claude 4 的系统提示被泄露，详细展示了其内部指令集，包括处理用户请求的多种模式、工具使用规范 (如网络搜索)、安全与伦理边界以及避免生成有害内容的机制。提示中包含了诸如“运行循环提示”、“输入分类与分派”、“结构化响应模式”等多种AI代理模式，并强调了在特定情境下的行为准则，例如在被要求执行不道德或非法行为时应如何回应，甚至包含
AI日报 – 2025-05-25(早)
Anthropic发布Claude 4系列模型，Opus 4号称全球最强编码模型: Anthropic正式推出Claude Opus 4和Claude Sonnet 4，两款模型在编码、高级推理和AI Agent能力上树立新标杆。Opus 4在SWE-bench (72.5%) 和Terminal-bench (43.2%) 编码基准上领先，能处理数千步、数小时的复杂长时任务。Sonnet 4作为