Advanced fine-tuning techniques for multi-agent orchestration: Patterns from Amazon at scale
在这篇文章中，我们向您展示微调如何使危险用药错误减少 33%（Amazon Pharmacy）、工程人力减少 80%（Amazon Global Engineering Services）以及内容质量评估如何提高 77% 至 96% 的准确性（Amazon A+）。这篇文章详细介绍了这些结果背后的技术：从监督微调 (SFT)（指令调优）和近端策略优化 (PPO) 等基础方法，到用于人类对齐的直接偏好优化 (DPO)，再到尖端推理优化，例如基于策略优化的分组强化学习 (GRPO)、直接优势策略优化 (DAPO) 和专为代理系统构建的组序列策略优化 (GSPO)。
Europeans reeling as Trump imposes tariffs on 8 countries over Greenland dispute
欧洲国家正受到美国总统唐纳德·特朗普的关税威胁的困扰。八个国家因反对美国控制格陵兰岛而面临 10% 的关税。领导人警告说，跨大西洋关系将出现危险的恶性循环。中国和俄罗斯将从这些分歧中受益。欧盟特使正在举行紧急会谈以确定应对措施。
● 永久熊市的形成：短期世界中长期投资的危险 Jeremy Grantham 与 Edward Chancellor 评论来自《华尔街日报》 低买高卖，致富。杰里米·格兰瑟姆 (Jeremy Grantham) 的华尔街职业生涯恰好符合这个令人着迷的顺序，但一路上也遇到了麻烦。至少，读者会 [...]
