推理LLM的强化学习现状
原文: State of RL for reasoning LLMs by aweers 翻译说明: 本文翻译自 aweers 的技术博客，系统梳理了 2024-2026 年间推理 LLM 强化学习领域的重大发展。文章从基础算法（REINFORCE、PPO）讲起，逐步深入到 GRPO 及后续改进方...
王二的数字花园
钱塘江上潮信来，今日方知我是我
最新文章
GB200 NVL72 + GLM-5-FP8 成本深度拆解：从硬件折旧到每百万 Token 只需 38 元
随着大模型参数规模突破千亿，推理成本成为企业规模化落地的核心瓶颈。NVIDIA GB200 NVL72 机柜级系统凭借 72 张 B200 GPU 和 1.8TB/s NVLink 带宽，为 MoE（混合专家）模型提供了极致吞吐。本文将基于真实硬件和模型数据，一步步拆解部署 GLM-5-FP8 模型...
从微博热议到数据拆解：华为Mate 80系列的芯片良率之谜
一场关于”8000片晶圆够不够用”的网络争论，引出的产业链深度验证 起因：一条微博引发的计算题几天前，一条关于华为芯片产能的微博引发了小范围讨论。原博提到一组预测数据：”去年中国使用的12nm以下先进工艺月产能仅为8000片（12英寸晶圆），到2027年将增至20000片，到2028年将达到4200...
时间资产：比钱更狠的阶级分化，AI正在加速
前几天和一个朋友聊到什么叫”资产”。 他说标准答案啊，能带来现金流的叫资产，让你掏钱的是负债。我说对，但这只是钱的维度。还有一个维度被忽略了——时间。 我管它叫”时间流”视角。 什么意思呢？如果一个东西，它帮你省下了必须拿去换钱的时间，那它就是你的时间资产。反过来，如果一个东西逼着你卖掉更多时间去供...