杨灵：普林斯顿大学 Research Fellow，北京大学博士，研究方向为大语言模型、扩散模型和强化学习。田野：北京大学智能学院博士生，研究方向为扩散模型、统一模型及强化学习。沈科：字节跳动 Seed 大模型团队的 AI 研究员，研究方向为大语言模型预训练和统一学习范式。童云海：北京大学智能学院教授，研究领域涵盖多模态大模型、图像/视频的生成与编辑。

为了突破以上DocVQA方法的局限性，作者推出了M3DOCRAG（Multi-modalMulti-pageMulti-DocumentVisualQuestionAnswering，多模态多页多文档检索增强生成）：一个新的多模态RAG框架，能够灵活适应各类文档情境（封闭域和开放域）、问题跳转（单跳和多跳）以及内容形式（文本、图表、图形等）。如上图，M3DOCRAG框架借助多模态检索模型检索相关文

就在昨天，《自然》杂志对Pachocki做了一次专访，探讨了AI能否做出独立研究、通用人工智能（AGI），及公司即将推出的开源模型等热门话题。我们已经看到，像OpenAI的Deep Research这种AI工具，可以在没有人监督的情况下持续工作10到20分钟，给出一份有用的结果。预训练的模型学到了一些关于世界的知识，但它并没有真正理解它是如何学会这些事情的，也搞不清它学习这些事情的时间顺序。所以，

传统的机械可解释性（MI）通常依赖于分析神经网络激活或使用监督探测另一方面，所提出的算法提供了一种新颖的方法，可以直接从智能体的策略行为中提取世界模型，即使在模型内部无法访问的情况下也能适用。从能力强大的智能体中提取世界模型的能力，为验证和校准提供了一种新的工具，因为模型保真度会随着智能体能力的提升而扩展。更进一步，实验证明，这样的模型可以从智能体的策略中提取出来，而提升智能体的性能或其可实现目标

2012 年出了 AlexNet，当时正值大数据集出现（ImageNet）、算力大幅提升（Nvidia）的时期，AlexNet 把当时的神经网络扩大了两个数量级，取得了巨大成功延续做大神经网络的思路，在 12-16 年读博期间，宽度放大：做了 MSRA Init，比较好解决了模型不好开始训起来的问题；深度放大：做了 ResNet（听说当时他们显存最大装下 ResNet 152层），甚至后续用一些技

与所提出的 B-SiLU 替代函数结合使用时，VGG-16 在 CIFAR-10 和 CIFAR-100 数据集上的测试准确率分别提升了 10 个百分点和 16 个百分点，而 ResNet-18 与未使用 SUGAR 的最佳模型相比，分别提升了 9 个百分点和 7 个百分点。对 VGG-16 层激活的深入分析表明，当应用 SUGAR 时，激活分布发生了明显的变化，为其在缓解消亡 ReLU 问题中的

2015~2016年，AlphaGo引发了第一次人工智能的热潮，但冷静下来8年后回头看，当时吹得神乎其神的AlphaGo及其相关产业，除了一些计算机视觉公司（所谓“四小龙”）被抬高了估值，最后实际并没有形成产业化、社会化的广泛影响。我曾经写过一篇文章，提到了“乌鸦与鹦鹉的范式”（指当前AI多停留在“鹦鹉式”的大规模模仿，距离“乌鸦式”的认知与推理仍存在本质差距），批评过这种“泡沫化的融资神话”，今

在未使用Dify平台之前，顺丰的开发流程面临着诸多挑战。开发应用前后端、集成和封装LLM能力需要花费大量时间，尤其是开发前端应用时，往往需要从零开始搭建。然而，引入Dify平台后，开发效率得到了显著提升。

来源 | 新智元最近，图灵奖获得者、强化学习之父Richard Sutton，联同DeepMind强化学习副总裁David Silver共同发布了一篇文章。论文链接：https://storage.googleapis.com/deepmind-media/Era-of-Experience%20/The%20Era%20of%20Experience%20Paper.pdf有人称，这篇文章就犹如

本文描述了ORM(OutcomeRewardModel)的定义和作用。并基于OpenRLHF源码详细解读了ORM的训练过程。在RM的研发范式中，还有最近比较火热的PRM（ProcessRewardModel）。