论文
papers
Reinforced Self-play Reasoning with Zero Data 论文解读
论文介绍了强化自博弈推理的零数据范式，通过自博弈生成任务和验证，实现无需依赖人工标注数据或预设任务的自主学习推理。
papers
Reinforced Self-play Reasoning with Zero Data 论文解读
论文介绍了强化自博弈推理的零数据范式，通过自博弈生成任务和验证，实现无需依赖人工标注数据或预设任务的自主学习推理。
reinforcement
多智能体强化学习（MARL）在多智能体系统（MAS）中的应用：理论、算法、应用与展望
本文介绍了多智能体强化学习（MARL）在多智能体系统（MAS）中的应用：理论、算法、应用与展望。
ai_programming
Cursor AI 最佳实践：提升编码效率与代码质量的权威指南
Cursor AI 最佳实践：提升编码效率与代码质量的权威指南
papers
Test-Time Scaling 相关论文解读
本文介绍了Test-Time Scaling（测试时扩展）的概念，并对其技术原理、主要贡献、论文方法、评估结果和局限性进行了详细解读。
papers
DeepSeek V3 论文解读
本文介绍了深度求索（DeepSeek）公司推出的新一代推理模型DeepSeek-V3，并对其技术原理、主要贡献、论文方法、评估结果和局限性进行了详细解读。
papers
DeepSeek 微调
本文介绍了如何使用合成推理数据集微调DeepSeek-R1模型.
papers
Simple Test-Time Scaling 论文解读
本文介绍了来自李飞飞团队的Simple Test-Time Scaling论文，并对其技术原理、主要贡献、论文方法、评估结果和局限性进行了详细解读。
papers
Simple Test-Time Scaling 论文解读
本文介绍了来自李飞飞团队的Simple Test-Time Scaling论文，并对其技术原理、主要贡献、论文方法、评估结果和局限性进行了详细解读。