强化学习
  1. 首页
  2. 强化学习

列表

BALROG

BALROG

BALROG是一款用于评估大型语言模型（LLMs）和视觉语言模型（VLMs）在游戏环境中推理能力的框架。它通过程序化生成的游戏环境，测试模型的规划、空间推理及探索能力，并提供细粒度的性能指标和公开排行榜，以促进AI技术的发展，适用于游戏AI开发、机器人技术、虚拟现实等多个领域。
AI项目与工具 2025年06月12日
DeepSeek R1

DeepSeek R1

DeepSeek R1-Zero 是一款基于纯强化学习训练的推理模型，无需监督微调即可实现高效推理。在 AIME 2024 竞赛中 Pass@1 分数达到 71.0%，展现强大逻辑与数学推理能力。支持长上下文处理，具备自我进化、多任务泛化等特性，并通过开源和蒸馏技术推动模型应用与优化。
AI项目与工具 2025年06月12日
HuatuoGPT

HuatuoGPT

HuatuoGPT-o1是一款专为医学领域设计的复杂推理模型，具备强大的复杂推理、错误识别与修正能力。通过两阶段训练方法及强化学习技术，该模型能够生成详尽的推理链条，有效提升医疗问题解决效率。它已在多个医学基准测试中展现出卓越性能，并在医学诊断、个性化治疗方案制定、教育及药物研发等领域具有广泛应用潜力。
AI项目与工具 2025年06月12日
Skywork o1

Skywork o1

Skywork o1是一款具备中文逻辑推理能力的大规模预训练模型，其核心优势在于内嵌思考、规划和反思能力，显著提升了复杂任务的推理性能。该模型基于开源Llama架构，同时提供增强版以满足更高要求的应用场景。它适用于技术开发者、企业决策者、教育工作者、内容创作者及客户服务等多个领域，助力创新应用开发和高效决策支持。 ---
AI项目与工具 2025年06月12日
Deep Research

Deep Research

Deep Research是由OpenAI开发的一款AI深度搜索与研究工具，支持多步骤自主研究，适用于金融、科学、政策等领域。基于o3模型，结合强化学习技术，能高效整合网络信息并生成结构化研究报告。用户可通过提示词触发研究流程，系统自动生成引用清晰、逻辑严谨的成果，适用于学术研究、市场分析、投资决策等场景。
AI项目与工具 2025年06月12日
Step R

Step R

Step R-mini是一款由阶跃星辰推出的推理模型，具备主动规划、尝试与反思能力，适用于数学、逻辑推理、代码开发及文学创作等多种场景。模型基于慢思考机制，支持深度推理与多步骤验证，表现优异。其技术特点包括强化学习、数据质量优化、测试时计算扩展及模型规模增长，实现文理兼修，广泛应用于教育、科研、企业办公等领域。
AI项目与工具 2025年06月12日
OpenR

OpenR

OpenR是一个由多家知名高校联合开发的开源框架，专注于通过强化学习和搜索技术提升大型语言模型的推理能力。它集成了数据获取、强化学习训练及非自回归解码功能，支持多种搜索算法和在线强化学习训练，能够有效提高模型的推理效率和精度。同时，其自动化数据处理能力减少了人工标注的需求，适用于数学问题求解、代码生成、自然语言处理等多种应用场景。
AI项目与工具 2025年06月12日
AReaL

AReaL

AReaL-boba 是由蚂蚁技术研究院与清华大学联合推出的开源强化学习训练框架，具备高效训练、推理能力提升、低资源训练等核心功能。其 7B 模型在数学推理任务中表现突出，且支持大规模模型的低成本复现。框架集成 SGLang 推理系统，采用数据蒸馏与工程优化技术，提升训练效率。适用于教育、自然语言处理、智能体开发等领域，具有高度可复现性和开源特性。
AI项目与工具 2025年06月12日
DeepMesh

DeepMesh

DeepMesh是由清华大学和南洋理工大学研发的3D网格生成框架，结合强化学习与自回归变换器技术，实现高质量、高精度的3D模型生成。支持点云和图像条件输入，具备高效的预训练策略与人类偏好对齐机制，适用于虚拟环境、角色动画、医学模拟及工业设计等多个领域。
AI项目与工具 2025年06月12日
悟道·天鹰（Aquila）

悟道·天鹰（Aquila）

悟道·天鹰（Aquila）是智源研究院开源的中英双语语言大模型，具备强大的语言理解和生成能力。模型在设计上注重商用和数据合规性，同时提供持续的开源更新和技术支持。
Ai平台模型 1970年01月01日