“3”的奖励可能完全代表两种不同的意思。大家普遍认为一个回复平庸无奇，或者一半人喜欢另一半人讨厌。大多数奖励模型无法区分这种差异。现在介绍一种新的扩散奖励模型（DRM）：它不会将人类偏好简单地压缩成一个分数，而是学习完整的奖励分布，保留分歧

DeepSeek将英伟达GPU的全套工具链移植到华为昇腾950 NPU上，推出TileLang等五大核心计算与通信库，实现与英伟达生态能力对标，打破CUDA垄断，助力国产算力自主生态发展。

RT Adithya S K 非常激动地推出TaskSmith 🔨，一个专门用于从代码生成RL环境的工具。它不是通过长指令来编写通用代码的助手，而是一个专门的协调器。每个阶段都只为一个目标而设计：“将一个PR变成最好的RL环境”

全球：#沙特求助添玛

Pi.dev：你说不支持MCP

OpenShell

laya（文本分类）

DeepSeek组件与英伟达对应

全球：supercell

Qwen3.8-27B 现已在 @nebiustf 上开放使用了！无论是开发智能代理还是进行深入研究，这个27B参数的密集模型都能满足你多步骤工作流程的需求！🎉 现在就来使用：Nebius Token Factory 已上线 Qwen3.8