9月1日·DeepSeek公开V3/R1训练细节，积极回应AI生成内容标识新规

9月1日·周一  AI工具和资源推荐

DeepSeek公开V3/R1训练细节，积极回应AI生成内容标识新规

DeepSeek在其官微发布公告，积极响应网信办《人工智能生成合成内容标识办法》的生效，明确所有AI生成内容将标注“AI生成”，并严禁用户恶意篡改标识。同时，DeepSeek公开了V3/R1模型的训练细节，涵盖预训练和优化训练（微调）阶段，强调其6850亿参数规模的模型通过高质量、大规模、多样化的数据训练而成。在数据治理上，DeepSeek采用过滤器剔除不良内容，并通过算法与人工审核降低统计性偏见。此外，DeepSeek还开源了模型权重、参数及推理工具代码，采用MIT协议供用户免费使用。来源：微信公众号【新智元】

NeurIPS 2025投稿量爆仓，400篇已录用论文被拒

NeurIPS 2025因投稿量激增而引发学术界的广泛关注。本届会议首次设立分会场，分别在圣迭戈和墨西哥城举办，但即便如此，仍无法容纳近3万篇投稿。由于场地限制，NeurIPS组委会通知“高级领域主席”（SAC）拒收已被录用的约400篇论文，即便这些论文已通过初审。这一决定引发了学术社区的广泛不满，许多研究者认为应通过拆分会议或扩容来解决，而非随意拒收优秀论文。此前ICLR也曾采取类似做法，而AAAI 2026也面临投稿量激增的问题，收到近2.9万份投稿，其中近2万篇来自中国。。来源：微信公众号【新智元】

首个具身智能大规模强化学习框架RLinf开源

清华大学、北京中关村学院、无问芯穹联合北大、伯克利等机构开源了RLinf，这是首个面向具身智能的“渲训推一体化”大规模强化学习框架。RLinf通过创新的系统设计，支持具身智能领域的大脑、小脑及大小脑联合模型，解决了具身智能训练中算力和显存竞争的挑战。该框架采用基于Worker的统一编程接口，提出混合式执行模式，相比其他框架提速超120%。此外，RLinf还集成了两套后端，分别针对已收敛和未收敛的模型架构，支持多种训练需求。在性能上，RLinf在具身智能任务中表现出色，相关模型已开源，欢迎下载测试。来源：微信公众号【机器之心】

GRPO后训练范式及其改进

深入探讨大语言模型后训练中的强化学习范式GRPO及其改进。GRPO由DeepSeek提出，旨在优化PPO算法，去除价值函数，通过策略模型的多次输出采样来确定Advantage，降低了训练成本。然而，GRPO仍存在稳定性问题，尤其是在中小规模训练中。为此，今年出现了多种改进方法，如字节和清华AIR的DAPO，通过Clip-Higher机制、动态采样等优化训练过程；Qwen团队的GSPO将重要性采样从token级提升至序列级，显著提高了训练稳定性；微软的GFPO则通过数据过滤优化多个响应属性。这些改进推动了大模型后训练技术的发展。来源：微信公众号【机器之心】

Claude Opus 4.1翻车，Anthropic承认并回滚更新

Claude Opus 4.1出现性能退化的问题。用户反馈该模型在白天处理某些请求时表现迟钝，尤其是在上午10点到11点期间，推理性能大幅下降。Anthropic官方承认这一问题，指出是推理堆栈出了问题，原本为了提升模型效率而采用的1.58位量化导致了精度和稳定性下降。此外，用户还反映模型存在使用限制不明确和API密钥暴露等问题。Anthropic迅速回滚了Claude Opus 4.1的版本，并表示正在处理受影响的Claude Opus 4.0版本。这一事件引发了网友对明星公司模型质量的关注。来源：微信公众号【量子位】