本期播客精华汇总

• Training a Generally Curious Agent：通过PAPRIKA方法，AI学会自主探索和适应新任务，迈向通用智能。


• Agentic Reward Modeling: Integrating Human Preferences with Verifiable Correctness Signals for Reliable Reward Systems：结合人类偏好和事实检查，REWARDAGENT提升奖励系统可靠性。  代理奖励建模：结合人类偏好与可验证正确性信号以提升奖励系统的可靠性


• Fractal Generative Models：用分形结构高效生成高清图像，展现数学与AI的创意结合。


• All That Glitters is Not Novel: Plagiarism in AI Generated Research：揭示AI生成论文中的剽窃隐患，呼吁人工审查。


• Stable-SPAM: How to Train in 4-Bit More Stably than 16-Bit Adam：新优化器让4-Bit训练更稳定高效，降低AI开发门槛。

完整推介：https://mp.weixin.qq.com/s/mTJnm-jE9obX1OuH8GUjdg