近日，上海AI ...

研究团队首先观察到长推理模型频繁切换思路的现象，并进一步发现这一现象由思考不足导致。为了定量评估思路切换的问题，研究团队引入了一种新颖的思考不足指标，为推理效率低下提供了量化评估框架。同时，研究团队提出了一种缓解思考不足的简单有效方案 —— ...

总的来说，上海 AI Lab 的研究成果不仅为数学推理方向的研究提供了一条崭新的路径，更向业界展示了强化学习在实际应用中的无限潜力。通过不断探索与创新，AI技术的未来将更加光明，而被追求的“超越”也将不再只是理想。 返回搜狐，查看更多 ...

从 Qwen2.5-32B-Base 模型出发，仅通过微调和基于结果反馈的强化学习，在不蒸馏超大模型如 DeepSeek-R1 的情况下， 就能超越 DeepSeek-R1-Distill-Qwen32B 和 OpenAI-O1 ...

然而，虽然TTS在MATH-500上的性能接近DeepSeek-R1-Distill-Qwen-7B，但在AIME24上却显示出显著的下降。 这说明TTS在相对简单任务上优势明显，但在更复杂的任务上则逊色于从超大规模模型蒸馏得到模型，还有提升空间。

梦晨 发自 凹非寺量子位 | 公众号 QbitAI 倒反天罡了，新方法让DeepSeek蒸馏的Qwen数学能力反超R1满血版，7B反超671B。

TPO团队 投稿量子位 | 公众号 QbitAI 随着大语⾔模型（LLMs）在各类任务中展现出令人瞩目的能力，如何确保它们⽣成的回复既符合预期又安全，始终是⼀项关键挑战。 传统的偏好对⻬⽅法，如基于⼈类反馈的强化学习（RLHF）和直接偏好优化（DPO ...

据悉，上海AI ...

已知 DeepSeek 不融资，腾讯在没有投的情况下全系产品接入 DeepSeek-R1，说明两点： 1.腾讯把 DeepSeek 当成自家 AI Lab 了，反正都是开源； 2.DeepSeek ...

数据合成技术作为一种新颖高效的数据生成策略，逐渐成为研究热点，并在模型迭代过程中扮演着关键角色。 上海AI Lab研究团队的Condor数据合成主要 ...

最近，来自上海AI Lab的研究团队针对合成数据技术展开研究，提出了SFT数据合成引擎Condor，通过世界知识树（World Knowledge Tree）和自我反思（Self-Reflection）机制，探索合成海量高质量SFT数据的方案。 仅使用20K合成数据，就能让Qwen模型能力飙升—— 模型主观对话 ...

模型主观对话能力显著提升，还能实现模型自我迭代。 合成数据大法好！ 最近，来自上海AI Lab的研究团队针对合成数据技术展开研究，提出了SFT数据合成引擎Condor，通过世界知识树（World Knowledge Tree）和自我反思（Self-Reflection）机制，探索合成海量高质量SFT数据 ...