OPPO Find X10 Ultra 爆料：200MP 主摄+微云台，哈苏双2亿像素，影像旗舰再升级。
IT之家 7 月 6 日消息，博主 @数码闲聊站 今日发布某厂 Ultra 迭代旗舰机超前瞻爆料，预计为 OPPO Find X10 Ultra。 据其爆料，这款旗舰新机的影像除了主摄评估 200Mp 1/1.12" LOFIC Sensor，镜组同步评估 微云台结构 ，光学防抖角度更大。 在此之前…
优必选轮式工业人形机器人Cruzr Y1首秀OPPO供应链展，开放SDK支持二次开发，瞄准工厂拆码垛场景。
IT之家 6 月 26 日消息，OPPO 技术发布会暨供应链技术展昨日举行，优必选旗下 Cruzr Y1 轮式工业人形机器人迎来首次公开亮相，展示料箱拆垛、码垛全流程。 官方表示，这款机器人重点攻克各类料箱、纸箱、物料上下料和分拣等柔性作业难点，直击传统自动化设备物料轻微偏移即停机、换产调试周期漫长…
从零开始训练大模型，详解预训练、SFT与PPO全流程。
Article URL: https://FareedKhan-dev.github.io/train-llm-from-scratch/ Comments URL: https://news.ycombinator.com/item?id=48615416 Points: 2 # Comments…
快速获取OPPO ColorOS 17等最新科技资讯，IT之家一手爆料及时更新，帮你掌握数码动态。
IT之家 6 月 16 日消息，博主 @数码闲聊站 发文，透露 OPPO ColorOS 17 将支持全新凝光动效、光感描边、质感模糊、圆角设计等特性。除此之外，该博主此前还透露 ColorOS 17 将于 8 月前后开启 Beta 内测。 另参考IT之家先前报道，有消息称 OPPO 将效仿苹果 2…
全新智能体策略优化方法APPO，推动强化学习前沿发展
arXiv:2606.12384v1 Announce Type: cross Abstract: Recent advances in agentic Reinforcement Learning (RL) have substantially improved the multi-turn to…
飞牛相册ARM版重大更新，新增OPPO/一加设备互联及智能分类功能，NAS与手机生态进一步打通。
IT之家 6 月 5 日消息，飞牛 fnOS 官方今日宣布，ARM 设备飞牛相册迎来重大更新， 支持 OPPO / 一加设备互联 （ X86 已支持 ）。 据介绍，OPPO 与飞牛互联支持以下功能： 无感发现： 手机可以自动识别局域网飞牛设备，快速完成连接与初始化 系统级入口： 控制中心直达，飞牛设…
ICML 2026收录，S-SPPO用语义校准提升自对弈偏好优化，为AI对齐训练提供新思路。
arXiv:2606.01561v1 Announce Type: cross Abstract: Aligning Large Language Models (LLMs) with human preferences is often formulated via Direct Preferen…
提出Step-aligned策略优化方法，解决代理强化学习中的信用分配难题，实验验证显著提升性能。
arXiv:2604.18401v2 Announce Type: replace Abstract: Agentic reinforcement learning (RL) is emerging as a critical post-training paradigm for improving…
微信联手五大国产手机品牌，语音助理直接发起音视频通话，操作更便捷。
IT之家 6 月 2 日消息，据IT之家小伙伴今日反馈，腾讯客服最新回复显示， 微信正在与华为、荣耀、小米、OPPO、vivo 等手机厂商合作推出 A2A 助手能力 。 用户可以通过手机语音助理发起微信音视频通话或向指定好友发送消息。该功能基于 A2A（Agent-to-Agent）协作机制， 由厂…
OPPO Reno16系列携3D悬浮星球设计与实况随心贴登场，IP69K防水+铝合金中框，游戏体验再升级。
2026 年 5 月 25 日，OPPO 举办 “Reno Land 奇幻夜”新品发布会，重磅发布多款新品，全新一代 OPPO Reno16 系列潮流手机、OPPO Pad 6 全能平板、 OPPO Pad Air5 学习平板、OPPO Enco Air5s 真无线降噪耳机、OPPO Bubble潮…
独家3D冰透悬浮工艺，裸眼3D星球效果让手机颜值拉满，轻薄机身实测数据一并奉上。
5 月 25 日，OPPO 发布了 Reno 数字系列的新一代产品，OPPO Reno16 系列，新品定位于超好玩的实况神机，主打实况影像的品质和玩法。目前IT之家已经拿到了其中怦然星动版本的 OPPO Reno16 Pro，现在话不多说，先为大家送上开箱图赏，让我们一起看看这款手机的颜值如何。 首…
从价值梯度假说揭秘PPO和GRPO为何有效，为LLM后训练提供新理论框架。
arXiv:2605.21654v1 Announce Type: cross Abstract: Reinforcement learning substantially improves pretrained language models, but it remains understudie…
一篇系统梳理LLM后训练中强化学习的综述，涵盖RLHF、DPO、RLVR等前沿方法
arXiv:2407.16216v4 Announce Type: replace Abstract: Large language models (LLMs) trained via pretraining and supervised fine-tuning (SFT) can still pr…
本地LLM驱动，自动完成学术手稿提交检查清单，提升投稿效率。
arXiv:2605.16377v1 Announce Type: cross Abstract: Transparent and standardized reporting is essential for reproducible scientific research, yet adhere…
揭示DPO与PPO本质差异，挑战“监督学习vs强化学习”传统认知的深度技术论文。
arXiv:2512.00778v2 Announce Type: replace Abstract: Preference optimization (PO) is indispensable for large language models (LLMs), with methods such …
OpenAI发布新强化学习算法PPO，简单易调优且性能卓越，已成为默认算法。
We’re releasing a new class of reinforcement learning algorithms, Proximal Policy Optimization (PPO), which perform comparably or better than state-of…
单个人类演示教会AI狂揽74,500分，刷新《蒙提祖马的复仇》最高分记录。
We’ve trained an agent to achieve a high score of 74,500 on Montezuma’s Revenge from a single human demonstration, better than any previously publishe…