Large Reasoning Model时代, 几乎等于Reinforcement Learning + LLM的时代。但RL专业性非常强，去参加ML的会议时，专门做RL的研究员都现场拿着笔纸推算数学公式，掌握起来学习难度较高。分享一本RL的入门教材，从RL基础MDP，PPO，直到跟LLM结合，如RLHF，都有讲解，深入浅出。 Reinforcement

分享一个链接

发表一篇文章

任何有趣的，图片，热点新闻，视频，文字...

8608 位用户此时在线

24小时点击排行 Top 10：

这段讲解经济周期的视频，值得你反复观看5遍以上！含金量极高

保护和恢复视力的八个微习惯，大家可以试试！

🚨最终肆无忌惮到极致的ICE闹出了人命--他们打死的了一位中年白人女性美国公民（看视频）--无语凝噎😭

200万存款是什么概念？很多人以为几十万存款不稀奇，银行行长用数据告诉你。

今年冬天，俄罗斯军队仍然使用骑兵。乌克兰无人机都不好意思了。。。

警告‼️：大哥警告你，个人存款千万不要超过10个亿，一旦超过了10个亿，你会非常非常的痛苦～～😂

红二代是不是很神秘？她们的婚姻就一定幸福吗？听听这个一脸无奈的美女悲惨的情感故事吧～～ 👇

林娘子风雪山神庙👍

视频显示，一名抗议女子在明尼阿波利斯被一名移民执法局官员开枪击毙

老板娘有骨气，给老板娘点赞👍😂

Malaysia: ATM can’t be used, can you help?’ — two Chinese women arrested in Malaysia for street-level scam. Police detained two Chinese nationals in Malaysia following reports of a cash-request scam targeting passersby. The suspects allegedly approached victims claiming their

小田田这后背纹身是什么？便便还是牛粪？意思是“我后面有坨牛粪”？ 😂😂

1月4日，湖北省襄阳市襄阳二桥。网友拍下一名男子跳桥的画面。视频发布后，引起了评论区的网友们对困苦生活的强烈共鸣。不少网友留言称自己负债累累，有人表示已经“活不下去了”，有人称失业在家，还有人直言“下一个可能就是我”。

全球都不怎么鸟金正恩，他感觉超级无聊

为什么象棋里“将帅”不能见面？又为什么棋盘上不多不少正好5个兵？

疯狂近平城🐻 😎 匿名投稿

1月7日晚，伊朗，法尔斯，省内里兹县伊朗革命卫队向手无寸铁的平民抗议者大规模开枪

连斯基离开巴黎会议的视频。他的安保人员身穿厚重外套，似乎携带了“重型武器”。走在最前面的一名安保人员手提防弹盾牌公文包。他的队长指示他要全方位保护泽连斯基。

1月6日，阿富汗北部塔哈尔省查阿卜区民众与当地的中资矿业公司爆发激烈冲突，事件造成三名当地居民和一名公司员工死亡，另有五人受伤。（一说5名公司员工死亡，所有设备均被纵火焚毁。）美联社消息称，目前公司已暂停运营，安全部队迅速恢复了秩序，塔哈尔省副省长也已前往该地区视察情况。

“恶意取暖” 1 月 7 日，河北农村。一位年迈的老婆婆蹲在屋外取暖，说由于不允许烧柴、烧煤，屋里反而比外面更冷。老人她牙齿几乎掉光，说话含混，但可以确认的是，她家已经缴纳了 2000 元的燃气费用。

中俄齐撤侨，是不是收到美帝通知？

有一种说法, 将美国对委内瑞拉的行动与中国潜在侵台类比，认为前者若被视为合理，就等于承认「不爽就打、武力即真理」，从而合理化中国以「祖国统一」为由入侵台湾，并警告台湾可能成为「下一个委内瑞拉」。这种论调听起来有警示意味，但仔细检视，却充满事实误差、逻辑谬误与过度简化，无法站得住脚。

委內瑞拉空軍基地遭空襲後的後果可以看到被打擊後俄羅斯“山毛櫸-M2E” 防空導彈系統。

WATCH THIS NOW! Doctor on scene: I'm a physician. Ice agent: I DON'T CARE They shot her three times in the face and head and then denied her medical care and it's all ON CAMERA.

这个就是杀害蕾妮妮可古德女士的恶魔！转起来吧！让大家来认识这个恶魔！

本站自动实时分享网络热点
24小时实时更新
所有言论不代表本站态度
欢迎对信息踊跃评论评分
评分越高，信息越新，排列越靠前

2

1

0

Large Reasoning Model时代, 几乎等于Reinforcement Learning + LLM的时代。
但RL专业性非常强，去参加ML的会议时，专门做RL的研究员都现场拿着笔纸推算数学公式，掌握起来学习难度较高。
分享一本RL的入门教材，从RL基础MDP，PPO，直到跟LLM结合，如RLHF，都有讲解，深入浅出。
Reinforcement
时政
( twitter.com )

9个月前由马东锡 NLP 🇸🇪 提交

Large Reasoning Model时代, 几乎等于Reinforcement Learning + LLM的时代。

但RL专业性非常强，去参加ML的会议时，专门做RL的研究员都现场拿着笔纸推算数学公式，掌握起来学习难度较高。

分享一本RL的入门教材，从RL基础MDP，PPO，直到跟LLM结合，如RLHF，都有讲解，深入浅出。

Reinforcement Learning: An Overview：
https://t.co/rjYSpOtbJl

点击图片查看原图

1周内 1个月内 1年内全部时间

1
2
3
4
5
6
...
20
下一页

1

2

1

1

xAI quietly dropped a massive update for Grok-4-Fast today.
Use Grok4-Heavy + Grok-4-Fast + Grok-Code-Fast-1 for code. Grok4 is the best model in the world right now.
Reasoning Mode:
Jumped from 77.5% to 94.1% completion rate.
Non-Reasoning Mode:
Jumped from 77.9% to 97.9%.
btc
( twitter.com)

2个月前 • tetsuo 0 评论

2

2

1

1

🍓Marco-o1! Newly Open-Sourced o1: Towards Large Reasoning Models for Open-Ended Solutions.
🎯 Built and released a CoT dataset to activate LLMs' reasoning abilities.
💡 Integrated LLMs with MCTS to expand the solution space.
🔬 Exploited action granularities in MCTS and
时政
( twitter.com)

11个月前 • Longyue Wang 0 评论

3

2

1

1

BREAKING 🚨 xAI launches Grok 4 Fast as the pinnacle of intelligence.
- 2M context window
- 47x cheaper than Grok 4
- beats GPT-5 mini (high) on multiple benchmarks
- 40% fewer thinking tokens on average
- $0.2 Input, $0.5 Output for both reasoning and non-reasoning mode
- No.
btc
( twitter.com)

3个月前 • Prashant 0 评论

4

2

1

1

Btw, the chain of thought in the "thinking" mode for Grok 3 is completely open. No summarizers or obfuscation. This is really important and the reasoning process is often fascinating!
btc
( twitter.com)

10个月前 • Keiran Paster 0 评论

5

2

1

1

大语言模型 post-training 的变迁，从 Large Language Model (LLM) 到 Large Reasoning Model (LRM)
本周推荐论文：POST-TRAINING OF LARGE LANGUAGE MODELS
Post-training，本质是在做一件事，即如何运用 LLM 的 pretrained knowledge 来解决实际任务，具体的方法如 supervised
时政
( twitter.com)

9个月前 • 马东锡 NLP 🇸🇪 0 评论

6

2

1

1

Grok 3 might be the best base LLM for real-world physics!
Prompt: "write a python script of a ball bouncing inside a spinning tesseract".
There is no "thinking" or "big brain" mode enabled, it's just the base model. I'm very interested in trying their reasoning models.
btc
( twitter.com)

10个月前 • Yuchen Jin • 下载视频 0 评论

00:00:08

7

2

1

1

🚨 #BREAKING: Washington Post Editor-at-Large Robert Kagan has RESIGNED after owner Jeff Bezos BARRED the endorsement of Kamala Harris
The leftist media is in TOTAL crisis mode! 🤣
This comes just days after fellow leftist paper Los Angeles Times also refused to endorse a
时政
( twitter.com)

1年前 • Nick Sortor 0 评论

8

2

1

1

把这篇论文翻译了一下：
《退一步，看得更远：通过抽象引发大型语言模型中的推理》Take a Step Back: Evoking Reasoning via Abstraction in Large Language Models

什么是退一步提示法？…
IT技术
( baoyu.io)

2年前 • 宝玉 0 评论

9

2

1

1

ChatGPT Agent System Prompt
You are ChatGPT, a large language model trained by OpenAI.
Knowledge cutoff: 2024-06
Current date: 2025-07-17
You are ChatGPT's agent mode. You have access to the internet via the browser and computer tools and aim to help with the user's internet
IT技术
( twitter.com)

5个月前 • 宝玉 0 评论

10

2

1

1

Grok has outstanding reasoning
btc
( twitter.com)

5个月前 • Elon Musk 0 评论

11

2

1

1

Hunter mode: activated!
Survival mode: run for your life!
有趣
( twitter.com)

1个月前 • The Figen • 下载视频 0 评论

00:00:13

12

2

1

1

Size difference between a large house and really large house
有趣
( twitter.com)

7个月前 • non aesthetic things 0 评论

13

2

1

1

Size difference between a large house and really large house
有趣
( twitter.com)

7个月前 • NO CONTEXT HUMANS 0 评论

14

2

1

1

Reasoning from first principles is a superpower
btc
( twitter.com)

10个月前 • Elon Musk • 下载视频 0 评论

00:00:45

15

2

1

1

As usual, excellent reasoning and judgment from
btc
( twitter.com)

9个月前 • Elon Musk • 下载视频 0 评论

00:17:33

16

2

1

1

Why O3-mini is reasoning in Chinese 🥹
时政
( twitter.com)

11个月前 • Vikhyat Rana 0 评论

17

2

1

1

Would you call this ground or water? Is this MT-LB in tank mode or boat mode?
时政
( twitter.com)

2年前 • Andrew Perpetua • 下载视频 0 评论

00:00:38

18

2

1

1

Grok 4.1 Fast with reasoning just beat Gemini 3!
btc
( twitter.com)

1个月前 • Elon Musk 0 评论

19

2

1

1

更强的reasoning，更好的Agent
论文分享： Thinking Machines: A Survey of LLM based Reasoning Strategies
在我们开发Agent的项目的时候，需要更好的LLM reasoning的能力，以获得更高的任务完成准确率。
那么有哪些方法可以增强LLM的reasoning能力呢？
沿着之前我分享的Testing time
时政
( twitter.com)

9个月前 • 马东锡 NLP 🇸🇪 0 评论

20

2

1

1

Hardcore Mode
btc
( twitter.com)

2个月前 • Elon Musk 0 评论

21

2

1

1

Soon, AI will far exceed the best humans in reasoning
btc
( twitter.com)

8个月前 • Elon Musk • 下载视频 0 评论

00:00:20

22

2

1

1

You can enter Private Chat mode with Grok
Your chat history won't be saved, it’s Fully Erased as soon as you exit private chat mode
Private chat mode is available on Grok for iOS, Android, and web
btc
( twitter.com)

2个月前 • X Freeze 0 评论

23

2

1

1

Beast mode activated.
有趣
( twitter.com)

5个月前 • The Figen • 下载视频 0 评论

00:00:39

24

2

1

1

Camouflage mode activated.
有趣
( twitter.com)

1年前 • Figen • 下载视频 0 评论

00:00:52

25

3

2

2

A big jump in math/reasoning for our coding benchmark 🤯
时政
( livecodebench.github.io)

1年前 • Wen-Ding Li 0 评论

1
2
3
4
5
6
...
20
下一页

0.06637 Second , Gzip Enable.本网所有言论均来自网络，不代表本网站立场。联系方式: [email protected]

©2012.11.21 bad.news All rights reserved. 社区自动运营第 -- 年零 -- 天
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.

关注推特