推理
DAPO: An Open-Source LLM Reinforcement Learning System at Scale
DAPO 提出了一套完全开源的、基于强化学习的大语言模型推理能力训练系统，在 Qwen2.5-32B 基座模型上通过解耦裁剪与动态采样策略，在 AIME 2024 数学竞赛题上达到 50 分，并公开了算法细节、训练代码与数据集。
阅读精读 →MODULE // PAPERS
论文研读
AI 前沿论文 · 中文科普精读 · 详情页可就本篇提问
推荐系统
Flow Matching for Collaborative Filtering
这篇论文提出 FlowCF，将连续标准化流（Flow Matching）引入协同过滤推荐系统，通过行为引导先验和离散流框架，在保持训练稳定性和推理速度的同时，显著提升推荐精度。
阅读精读 →推理
DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning
本文提出 DeepSeek-R1，证明仅通过强化学习（RL）即可激发大语言模型的推理能力，无需依赖人工标注的推理轨迹，模型在数学、编程等可验证任务上超越传统监督学习方法，并自发涌现出自我反思、验证和动态策略调整等高级推理模式。
阅读精读 →注意力
MiniMax-01: Scaling Foundation Models with Lightning Attention
MiniMax-01 系列模型（包括纯文本版 MiniMax-Text-01 和视觉语言版 MiniMax-VL-01）通过引入名为“闪电注意力”（Lightning Attention）的新型注意力机制，结合混合专家架构（MoE），在 4560 亿总参数（每 token 激活 459 亿）的规模下，实现了与 GPT-
阅读精读 →大模型
DeepSeek-V3 Technical Report
DeepSeek-V3 是一个拥有 6710 亿总参数、每个 token 仅激活 370 亿参数的混合专家（MoE）大语言模型，在 14.8 万亿 token 上完成预训练，训练仅消耗 278.8 万 H800 GPU 小时，性能超越所有开源模型，并可与 GPT-4 等顶级闭源模型媲美。
阅读精读 →