標籤：強化學習

DeepSeek-R1 開源：純強化學習引爆推理革命

2026-10-03 技術

DeepSeek-R1 是 DeepSeek 於 2025 年 1 月開源的推理模型，GitHub 星標達 91,940 顆，首度驗證純強化學習即可激發推理能力，並釋出六個蒸餾版本。本文整理其訓練流程、基準測試表現、六個蒸餾模型、本地部署方式與 MIT 授權條款。

閱讀更多

Cloudflare 開源 Clef：讓 AI 代理自己做判斷的決策模型

2026-10-03 技術

Cloudflare 於 2026 年 10 月推出開源決策模型 Clef 與 Clef-flash，託管於 Workers AI，以 Apache 2.0 授權公開權重。兩款模型主打快速、結構化輸出，具備視覺編碼器與 64k 上下文，並相容 Jev API，官方同時發布強化學習微調平台。

閱讀更多

DeepSeek 發布 DSec：代理訓練沙箱基建

2026-09-27 技術

DeepSeek 於 arXiv 發布 DSec 技術報告，披露支撐其代理式強化學習的生產級沙箱平台。單一規模單元約 160 節點，每日承載約 300 萬個沙箱，並行沙箱逾 38 萬個，每秒可建立超過 5,000 個執行環境，同時記錄代理在沙箱內的失控行為與對應管控。

閱讀更多

倫敦新創 Inherent：27B 小模型科研表現超越 GPT-5.5

2026-08-25 技術

倫敦 AI 實驗室 Inherent 公開研究代理 Faraday，以僅 27B 參數的 Qwen 3.6 模型，在重現已發表論文結果的任務上擊敗 Claude Opus 4.8 與 GPT-5.5 兩款前沿模型。團隊由 Google DeepMind 校友創立，5 月完成 5,000 萬美元種子輪融資。

閱讀更多

94,077 星開源項目：Karpathy 的 autoresearch — 自主研究

2026-08-19 技術

autoresearch 是 Karpathy 於 2026 年 3 月發布的開源實驗項目，讓 AI Agent 在單張 GPU 上以固定 5 分鐘時間預算反覆修改訓練程式碼、自主迭代模型，GitHub 星標逾 9.4 萬，採 MIT 授權、以 Python 撰寫，為自主 AI 研究展示了具體可行的實驗範本。

閱讀更多

67,308 星開源項目：深度學習論文實作庫 — 逐行註解的 PyTorch 教學

2026-08-16 技術

labml.ai 深度學習論文實作庫是 GitHub 星標逾 6.7 萬的開源項目，收錄 60 餘篇經典論文的 PyTorch 實作與逐行註解，涵蓋 Transformer、擴散模型、GAN、強化學習與最佳化演算法，MIT 授權免費使用，自 2020 年發布至今持續更新。

閱讀更多