凌晨3点阿里开源QwQ-32B推理模型，参数量320亿，性能媲美6710亿参数的DeepSeek-R1满血版。通过大规模强化学习训练，在多基准测试中表现出色，还集成智能体相关能力，收获诸多好评，引发对端侧设备运行的讨论。

本文深入探讨了大模型智能体的优化方法，涵盖参数驱动与无关优化策略，解析其在真实场景中的应用与挑战，必将引发你的兴趣。

罗剑岚博士作为具身智能领域国际领军学者，加入稚晖君创立的智元机器人并出任首席科学家，将推动前沿算法的研发与落地。同时，智元与美国明星企业Physical Intelligence达成合作，共同探索机器人技术的未来。

探索推理语言模型发展，揭秘DeepSeek-R1复现研究，涵盖监督微调、强化学习等策略及未来方向。

微软开源Phi-4-reasoning-plus，参数少但数学等表现出色，靠推理链提升能力。