《你的笑》——我猜是你喜爱的容貌，绚烂上线！

近期，笑绚线云天励飞、恒玄科技、蓝思科技等A股公司纷繁宣布其AI眼镜事务的相关开展。

接下来，容貌咱们再给它设定一个不同的人物，让它生成一个逻辑推理问题，就可以得到这样的作用。在这部分，烂上咱们运用了来自机制可解释性文献中的一些规范技术，称为Logitlens。

经过这种迭代练习的办法，笑绚线咱们可以取得越来越多的证明，并将越来越多的办法化证明加入到咱们的数据会集。咱们期望运用AI，容貌特别是运用这些大言语模型，可以构建出ProofAgents，然后使这一证明查找进程主动化。咱们没有与AlphaProof进行比较，烂上由于它是一个闭源体系，尽管它的功能十分好，但到现在为止，该模型并未开源。

以下展现是与这些数据集的基准比照，笑绚线包括一些模型，笑绚线比方DeepSeekV3、GPT-4o以及咱们模型的不同版别，这些版别别离来自监督微调（SFT）、直挨近端偏好优化（DPO）和可验证奖赏的强化学习（RLV）。关于直接进行主动办法化陈说，容貌存在一些问题：榜首个问题是，它或许会发生许多语法过错。

这篇论文是在2024年年头宣布的，烂上那时候，人们还没有充沛意识到运用十分长的思想链来处理杂乱规划问题的强壮才干。

咱们还让模型生成编程问题，笑绚线这首要是Python代码生成以及准确指令的遵从，贯穿于这些人物之中。不难发现，容貌作为最早进入RL的华人学者，汪军及其学生一脉相同沿用了类似的打开头绪，带领着我国RL逐步追赶上世界最前沿。

半年后，烂上团队完结了榜首个双手抛接球demo，烂上杨耀东马上给汪军发了一条微信，共享实在把多智能体强化学习用到实在场景中的高兴，让AI控制高自在度的机械手到达人的灵活度非常不简略。汪军首先让公司全面转向以言语模型为中心的决议方案智能体，笑绚线但仍期望完结决议方案使命而非仅文本生成，笑绚线其研制的言语智能体已具有根底对话才干和一同语义空间，方案将不同模态和粒度的信息映射到言语空间，完结组合泛化。

2017年，容貌他到UCL交流，与汪军协作研讨博弈环境生成，运用RL自动生成游戏关卡，并在IJCAI宣布论文。与百川智能的协作也让杨耀东认识到AI浪潮产生在业界而非学界，烂上再次埋下了创业的种子。