标签
这篇来自清华大学的论文提出了单次展开异步优化 (SAO, Single-rollout Asynchronous Optimization)，用于大语言模型的强化学习后训练。SAO 用单次展开异步训练取代了基于批次的 GRPO，以减少 GPU 空闲时间并提高稳定性。该技术被用于训练 GLM-5.2 模型（750B-A40B），在智能体编程和推理基准测试上取得了最先进的结果。
清华大学NLP实验室毕业生去向统计显示，大模型方向博士年薪可达600万以上，硕士百万以上，引发对自媒体歪曲报道的批评。
清华大学语言处理实验室招募博士后、研究员和实习生，从事大模型前沿研究与开发，提供充足算力、数据、经费和具竞争力薪资，专注科研与开源。
SEAGym是一个新的评估环境，用于自进化LLM代理，它衡量代理框架在训练、验证、测试、重放和成本记录上的更新，提供关于进化过程的互补信号。
清华大学开源了OpenMAIC，一个多智能体AI互动课堂平台，用户只需输入主题或文档即可自动生成包含AI老师讲解、AI同学讨论、测验和白板画图的完整课堂，完全开源免费且支持本地部署。
Nvidia CEO Jensen Huang is joining the board of Tsinghua University in Beijing.
Dolphin-CN-Dialect 是一款支持流式处理的 ASR 模型，通过基于温度的采样策略和重新设计的词元化方案提升了方言识别能力，在更小的模型规模下实现了具有竞争力的性能。
Researchers from Tsinghua University have developed a new shortest-path algorithm with O(m log^{2/3} n) complexity, surpassing Dijkstra's algorithm which had been considered theoretically optimal for 41 years.