“淘宝第一个程序员”多隆离职后，已加入创企；奥尔特曼称OpenAI上市后或卸任CEO；智元机器人正式对外发售 | 极客头条

AI已迷失方向？强化学习教父Sutton最新发布OaK架构，挑战当前AI范式，提出超级智能新构想

有趣的是，使用选项模型进行规划，其数学形式与传统的基于单步动作的价值迭代惊人地相似，只是将“动作”替换为了“选项”，将“单步奖励”替换为了“选项执行期间的累积奖励”。这无疑是一个意义深远的智力里程碑，其影响将是革命性的。所有这一切，都在一个良性的、开放式的发现循环中协同工作：状态特征的发现，激发了问题、选项和模型的发现，而这些新产生的组件又反过来促进了新的、更抽象特征的形成。此外，在另一篇《奖励即

代码里突然蹦出「极」！DeepSeek V3.1被曝Bug，随机生成奇怪的Token

毋庸置疑，这个问题影响还是不小的——这些奇怪字符频繁出现，会让模型在编程、结构化输出等需要精确结果的场景下表现不稳定，也可能干扰信息的准确性。二是模型“偷懒”：在训练时，模型可能找到了一种“捷径”——当它遇到不确定的上下文时，会优先选择一些频繁出现或邻近的 token，从而导致「极」「extreme」这种奇怪的输出频繁出现。只不过近来，随着越来越多开发者上手测试，问题也冒出来了——V3.1 在生成