4月 30, 2025

DeepSeek-Prover-V2-671B - DeepSeek 大型语言模型

4月 29, 2025

DPO遇见PPO:RLHF的强化令牌优化

4月 28, 2025

迈向评估性思维: 基于演化奖励模型的元策略优化

4月 27, 2025

Qwen3-0.6B - 阿里巴巴 大型语言模型

4月 22, 2025

Pre-DPO: 使用引导参考模型改进直接偏好优化中的数据利用

4月 21, 2025

大语言模型时代的RAG评估：综合性调研

4月 05, 2025

Llama 4 Scout - Meta 大型语言模型

4月 04, 2025

GREATERPROMPT: 统一、可定制、高性能的开源提示优化工具包