DeepSeek R1
DeepSeek R1-Zero 是一款基于纯强化学习训练的推理模型，无需监督微调即可实现高效推理。在 AIME 2024 竞赛中 Pass@1 分数达到 71.0%，展现强大逻辑与数学推理能力。支持长上下文处理，具备自我进化、多任务泛化等特性，并通过开源和蒸馏技术推动模型应用与优化。
强化学习
Deep Research
Deep Research是由OpenAI开发的一款AI深度搜索与研究工具，支持多步骤自主研究，适用于金融、科学、政策等领域。基于o3模型，结合强化学习技术，能高效整合网络信息并生成结构化研究报告。用户可通过提示词触发研究流程，系统自动生成引用清晰、逻辑严谨的成果，适用于学术研究、市场分析、投资决策等场景。
Skywork o1
Skywork o1是一款具备中文逻辑推理能力的大规模预训练模型，其核心优势在于内嵌思考、规划和反思能力，显著提升了复杂任务的推理性能。该模型基于开源Llama架构，同时提供增强版以满足更高要求的应用场景。它适用于技术开发者、企业决策者、教育工作者、内容创作者及客户服务等多个领域，助力创新应用开发和高效决策支持。
---
MaskSearch
MaskSearch是阿里巴巴通义实验室推出的新型通用预训练框架，通过检索增强掩码预测（RAMP）任务提升大型语言模型（LLM）的智能体搜索能力。该工具利用外部知识库和搜索工具预测被掩盖的关键信息，增强模型对复杂问题的理解和回答能力。结合SFT和强化学习（RL）训练方法，采用多智能体协同生成思维链数据，并引入课程学习策略优化模型性能。适用于智能客服、教育、企业搜索及机器学习模型调试等多个场景。
Auto Think
Auto Think是快手Kwaipilot团队开源的KwaiCoder-AutoThink-preview自动思考大模型，针对深度思考大模型的“过度思考”问题，提出了一种全新的训练范式。模型融合“思考”和“非思考”能力，能根据问题难度自动切换模式，提升复杂任务表现。在代码和数学类任务中，性能提升可达20分。其技术原理包括最小提示干预和多阶段强化学习，适用于视频生成、文案创作、智能客服等多个场景。
OpenAI 12天发布会内容全记录，一文快速捕捉亮点信息
OpenAI举办为期12天的系列发布活动，推出包括强化微调技术、Sora视频生成工具、ChatGPT Canvas和高级语音模式在内的多项创新功能，涵盖推理模型、搜索升级和跨平台集成，显著提升AI工具的性能与应用范围。
