强化学习

• DeepSeek创始人梁文锋署名的最新论文公开，首次系统发布了DeepSeek的Agent训练沙盒平台DSec（DeepSeek Elastic Compute）的技术细节，论文提交日期是9月19日，作者名单超过130人 （2026-09-24）
• 如果AI能做一个人90%的工作，那个人的注意力就会集中到AI做不好的那10%上。 工作的性质在改变 （2026-09-17）
• 我们距离RSI还有多远？ （2026-09-14）
• 人类研究员的时间还剩2年 （2026-08-28）
• 字节 seed 模型团队调整组织架构，重新排兵布阵，一众顶级算法和工程领导人的名字浮出水面，清华系占大半壁江山 （2026-08-22）
• 整体来看，Pre-training、Mid-training、Post-training、RL这几个阶段之间的界限，确实已经越来越模糊了 （2026-08-16）