就在刚刚，来自斯坦福、UC 伯克利、华盛顿大学等机构联手发布了一款 SOTA 级推理模型 —— OpenThinker-32B ，并同时开源了高达 114k 的训练数据。 由此得到的 OpenThinker-32B，在数学、代码和科学等多个基准测试中 ...

【导读】 近日，斯坦福、UC伯克利等多机构联手发布了开源推理新SOTA——OpenThinker-32B，性能直逼DeepSeek-R1-32B。其成功秘诀在于数据规模化、严格验证和模型扩展。

OpenThinker-32B采用大规模数据验证和模型规模扩展，仅用少量数据便达到SOTA级别，为AI社区提供宝贵资源和启示。其开源行为引发社区关注和讨论，为强化学习研究提供新思路。在性能评估中表现出色，有望推动深度学习新篇章。

在技术进步飞速发展的今天，人工智能领域迎来了一个引人瞩目的新突破。最近，UC伯克利的研究团队利用仅仅4500美元的低成本，成功复刻了DeepSeek，并且还创造出一个全新的15亿参数模型——DeepScaleR-1.5B-Preview。这一成果不仅在技术上取得了显著的突破，更是在AIME2024基准测试中，以高达43.1%的Pass@1准确率，超越了OpenAI的o1-preview，震撼了整个 ...

编辑：编辑部 【新智元导读】只用4500美元成本，就能成功复现DeepSeek？就在刚刚，UC伯克利团队只用简单的RL微调，就训出了DeepScaleR-1.5B-Preview，15亿参数模型直接吊打o1-preview，震撼业内。 强化学习迎来重大突破！

总之，UC伯克利的动作Tokenizer无疑是一个令人振奋的技术进步。它不仅提升了动作识别的效率，还为未来的智能交互提供了新的可能性。在这个大流行后，AI技术的发展应以人为本，努力平衡技术进步与社会和谐的关系。未来的挑战是如何在不断追求效率和创新的同时，确保这些技术服务于人类社会的全局利益。让我们共同期待这个新工具能够带来更丰富、更多样化的创作体验与留白思考。

2025-01-22 14:50发布于北京新智元官方账号 【新智元导读】研究者提出了FAST，一种高效的动作Tokenizer。通过结合离散余弦变换（DCT）和字节对编码（BPE），FAST显著缩短了训练时间，并且能高效地学习和执行复杂任务，标志着机器人自回归Transformer训练的一个重要突破。 来自π，伯克利和斯坦福的研究者近期提出了FAST，一种为VLA模型设计的高效动作Tokenize ...

随着人们越来越依赖大模型，本文最初描述的基于大模型出考试题，将会在未来变得越来越普遍，进而潜移默化地影响人类学生的思考模式，也许会让我们的下一代变得啰啰嗦嗦，或者看文章时只关注特定细节，尤其是头尾部的（考核中的重点）。

【新智元导读】就在刚刚，网上已经出现了一波复现DeepSeek的狂潮。UC伯克利、港科大、HuggingFace等纷纷成功复现，只用强化学习，没有监督微调，30美元就能见证「啊哈时刻」！全球AI大模型，或许正在进入下一分水岭。 这些天，硅谷彻底处于中国公司带来的大地震余波中。 全美都在恐慌：是否全球人工智能的中心已经转移到了中国？ 就在这当口，全球复现DeepSeek的一波狂潮也来了。 诚如LeC ...

来自π，伯克利和斯坦福的研究者近期提出了FAST，一种为VLA模型设计的高效动作Tokenizer。 FAST旨在解决传统动作Tokenization方法在处理精细任务时面临 ...

最近，加州大学伯克利分校、沙特阿拉伯阿卜杜拉国王科技城（KACST）和华盛顿大学的研究人员发表了一项研究，首次系统评价了大模型提问的能力 ...

最近，加州大学伯克利分校、沙特阿拉伯阿卜杜拉国王科技城（KACST）和华盛顿大学的研究人员发表了一项研究，首次系统评价了大模型提问的能力，并指出大模型和人类的提问模式存在显著差异。 这项研究基于维基百科的文本，将文本拆分为 86 万个段落，之后通过亚马逊 Mechanical Turk 众包平台，由人类参与者为每个段落撰写对应的题目及答案，人类给出的文本将作为评估大模型的基准。