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）。

由于推理模型的输出长短差异极大，在同样的批大小（batch size）下，RL 训练必须等待批次中最长的输出生成完才能继续进行训练，以及进行下一个批次的数据收集，造成极大 GPU 资源浪费。staleness 表示当采用一个批次的数据进行模型训练时，生成最旧的一条数据的模型版本和当前更新的模型版本之间的版本差（比如，一个批次中最旧的一条数据由 step 1 产生的模型输出，当前模型由 step 5

例如，通过在冻结编码器和预测器特征的基础上训练注意力读出（read-out）模型，V-JEPA 2 在 Epic-Kitchens-100 动作预测任务中创造了新的最高纪录，该任务可以根据以自我为中心的视频预测未来 1 秒将执行的动作（由名词和动词组成）。Meta 发现，虽然大型多模态模型越来越能够回答视频中发生了什么的问题，但它们仍然难以回答可能发生什么和接下来可能会发生什么的问题，这表明在预测

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。

同时，Sand AI 也提供了视频扩展功能，可以沿着之前生成视频或用户上传视频继续生成新的视频片段，并且无需用户自己手动拼接 —— 会直接输出经过扩展后的更长视频。在开源模型中，MAGI-1 实现了最先进的性能（超过 Wan-2.1，明显优于 Hailuo 和 HunyuanVideo），尤其是在指令遵循和运动质量方面表现出色，使其成为 Kling 等闭源商业模型的潜在有力竞争者。镜头开始缓慢地顺

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

打造 Mercury 系列模型的是一家创业公司，名为 Inception Labs，该公司的创始人之一 Stefano Ermon 实际上也正是扩散模型（diffusion model）的发明者之一，同时他也是 FlashAttention 原始论文的作者之一。Inception Labs 今天发布的 Mercury 具有巨大的性能和效率优势，据 Kuleshov 推文介绍，基于来自 MidJou

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