韩国KOSPI指数涨近3%

学习大模型训练的 DPO 与 GRPO：偏好对齐的简化与进化

上一篇我们学习了 RLHF 的完整流程：先训一个奖励模型（Reward Model） 来模拟人类的偏好打分，再用 PPO（Proximal Policy Optimization，近端策略优化） 算法

夹缝中的Momenta：争名分、留后路｜深度

2024 年底的河北保定，Momenta 创始人曹旭东出现在长城总部大楼下面。 据一位长城汽车内部人士回忆，与曹旭东一同前来的还有一台搭载 Momenta 最新辅助驾驶系统的测试车——他只为当面请掌门人魏建军试乘体验。 一家估值数百亿的独角

俄罗斯Yandex承认部分客户数据永久丢失 数据中心被无人机袭击后正在恢复

#云计算 部分客户永久丢失无法恢复：Yandex Cloud 公布数据中心被乌克兰无人机袭击后的新进展。据 Yandex 披露，超过 97% 的客户数据都已经恢复，其余数据因硬件损坏严重以及客户没有备份而无法恢复。Yandex 提供备份机制

三星电子洽谈收购数据中心冷却系统制造商Modine，交易最快数周内达成

华泰证券：油价回落或催化航空板块反弹

韩国KOSPI指数开盘上涨2.05%