九幺：通州老厂区变身北京绿色技术创新服务产业园

九幺

2月5日，来自京东方面的消息称，京东云已正式上线DeepSeek-R1和DeepSeek-V3模型。此前华为云、腾讯云、阿里云、百度智能云等主流云平台相继宣布接入DeepSeek系列模型。，通州老厂区变身北京绿色技术创新服务产业园

孙彦敏致辞

在 88 步之前的训练以塑造奖励 (r=0.1) 为主，通过调整模型使其在生成 token 预算内停止并在 块内格式化答案，从而可以更轻松地进行优化。在此期间，冗长的错误响应受到抑制，平均响应长度急剧下降。在第 88 步，模型开始通过输出更多重试（retries）来「爬上奖励山」，朝着更高的奖励（r=1 表示正确性）攀登。因此，我们观察到正确响应的长度增加。伴随而来的副作用是，模型输出更多冗长的肤浅自我反思，导致平均响应长度激增。整个 RL 过程是将原本肤浅的自我反思转变为有效的自我反思，以最大化预期奖励，从而提高推理能力。

王继波主持会议

赵志林报告

此次亚冬会，中国队共派出12名队员参赛，其中4人参加过北京冬奥会，1人参加过上届亚冬会。2018年平昌冬奥会上，中国冬季两项队只有两名女队员获得了外卡资格；四年后的北京冬奥会，中国冬季两项队获得了8个北京冬奥会参赛资格，队员唐佳琳在比赛中刷新个人冬奥最佳战绩。2025年的亚冬会上，她也对自己的表现充满期待。

崔耀虎作报告

穿衣不仅仅是只看衣服的款式，色彩的搭配同样重要，对于50岁+的女性来说，应避免过于刺眼的颜色，选择一些柔和的色调更能凸显气质，如棕色、米白、杏色等，既能显得温柔又不失活力。

王云龙报告

由于我们的词汇表有100277个可能的标记，神经网络将输出100277个数字，每个数字对应于该标记作为序列中下一个标记的概率。神经网络最初是随机初始化的，因此在训练开始阶段，这些概率也是随机的。例如，对于“空格方向”，神经网络可能预测其概率为4%，“11799”的概率为2%，“3962”（即post）的概率为3%。我们知道正确的答案是3962。

刘国强作报告

不错，美国要墨西哥投降，要墨西哥的钱，但不要墨西哥的人，如果墨西哥整个加入美国，那肯定就是美国的噩梦，特朗普一万个不同意；但加拿大就不一样，加拿大白富美，特朗普很喜欢。

王林作报告

Renee James的想法是用低能耗ARM设计制造数据中心芯片，这在当时是一个新颖的概念。甲骨文成为了Ampere的大客户，其他大型云提供商包括微软等。

张力作报告

值得注意的是，美国近期在俄乌问题上的一系列表态引发了广泛关注。美国总统特朗普4日表示，美国政府正与俄罗斯和乌克兰领导层就乌克兰局势展开对话，对话是友好且富有建设性的。

梁光金报告

佩通坦强调，泰国政府将所有游客的安全置于首要位置，因此其已经要求有关当局加强合作，共同提升安全标准，并以最有效的方式打击跨国犯罪。

张恩宇报告

《哪吒2》的票房走势一直给人惊喜。据光线传媒公告，《哪吒2》自上映以来的票房收入已经超过该公司最近一个会计年度经审计的合并财务报表营业收入的50%，公司从该影片获得的营业收入区间约为人民币9.50亿元至10.10亿元。

像 trl 这样的库已经开始支持 GRPO，使得微调由 transformers 构成的 LLM 变得非常简单。代码也非常简洁，只需将训练器替换为 GRPOTrainer 并定义一些奖励即可。GRPO 的最小代码量大约只有 99 行，如果你使用的是像 meta-llama/Llama-3.2-1B-Instruct 这样的小型模型和像 openai/GSM8K 这样的数据集，可以非常快速地启动。

此前，苹果利用平台的主导地位收取不同比例佣金的做法引发全球监管机构的调查。2024年3月，欧盟根据最新的反垄断条款对苹果公司处以超过18亿欧元的罚款，原因是苹果公司滥用市场主导地位，破坏了竞争。 更多推荐：九幺

来源：柳志勇