Papers5月14日 01:10

RubricEM：用评分引导策略分解，超越可验证奖励的元强化学习

AK@_akhaliq

Post

View the post

Why we picked it

RubricEM 解决了强化学习中奖励设计难的问题，做复杂任务规划和决策的 AI 研究者值得关注，它可能让强化学习在更多真实场景落地。

RubricEM 是一种新的元强化学习方法，通过评分（rubric）引导策略分解，解决了传统强化学习中奖励信号难以定义的问题。

Body

该方法允许模型在复杂任务中学习更灵活的决策策略，而不仅仅依赖可验证的奖励。研究表明，RubricEM 在需要多步骤推理和长期规划的任务中表现优于现有方法，为强化学习在更广泛场景的应用提供了新思路。

Original · AK

RubricEM

Meta-RL with Rubric-guided Policy Decomposition beyond Verifiable Rewards https://t.co/6d6d3MiZnA

Industry Coordinates & Source Verification

This report is categorized under AITOP's "Papers" desk, focusing on US frontier AI labs and Silicon Valley technology leaders. Key entities and technical topics under continuous tracking include 元强化学习, 奖励设计, 策略分解, RubricEM.

Source attribution: curated from AK (@_akhaliq).

#元强化学习 #奖励设计 #策略分解 #RubricEM #复杂任务规划

Keep reading

Recent stories with the same tag or section

Papers10:50

Chinese contentMETTA：基于神经记忆的元强化学习测试时适应方法

这篇论文搞了个叫 METTA 的方法，用神经记忆替代 transformer 回看历史，ML10/45 上成功率超 50%，算力开销还更低。

#METTA #元强化学习 #神经记忆 #PointMaze

arXiv cs.AI@Ali Najar et al. (5)Source

Papers BuildersSelected23:55

Safe Meta-Reinforcement Learning via Information Space Reachability

This research contributes a new approach to a core challenge in reinforcement learning: ensuring safety during adaptation to new tasks.

#meta-RL #reinforcement learning #safety #information space

arXiv cs.LG@Zeyang Li et al. (3)Source

Papers BuildersOfficial15:27

Chinese content浙江大学推出 SpaceCast-Bench：最强视觉模型空间预测仅 58%，人类 87%

浙江大学这个新基准专挑 VLM 的痛点测：场景变了，模型能不能推出空间关系怎么变。结果 21 个模型里最强的只拿到 58%，人类是 87%。做机器人、具身智能或视频方向的同学可以用它来量化自家模型到底差在哪。

#SpaceCast-Bench #VLM #空间推理 #基准测试

Primary sourcePandaily@[email protected] (Pandaily)Source

Papers Builders15:04

Chinese contentCoReMem：为连续编码任务设计代价内化的记忆框架

arXiv上这篇论文解决了编码智能体记忆该存什么、什么时候用的问题。它把读写记忆的成本算进训练目标，在ChainSWE基准上让27B模型解决率从21.0%提到25.7%，还少走17%的步数。做智能体记忆或SWE agent的团队值得对比看看。

#CoReMem #编码智能体 #ChainSWE #记忆机制

arXiv cs.AI@Peiwen Li et al. (9)Source

Papers Policy15:03

Chinese contentSynthesis Smuggling：恶意 LLM 可将推断的用户隐私隐写进输出内容

两帮人做 LLM 安全的可以看看这个：作者训练了两个开源模型，能从聊天里推断你的性别和年龄段，再用不可见字符藏进生成的文本里。你把 AI 写的邮件发出去，隐私就跟着泄露了。做内容安全和隐私合规的人应该认真评估这类风险。

#LLM安全 #隐写术 #隐私保护 #AI安全

arXiv cs.AI@Gautam Galada et al. (3)Source

Papers Builders15:03

Chinese contentLiveGeo 基准发布：地理智能体在持续演化世界中的可靠性评测

这个基准把地理环境做成了会随时间变化的平台，智能体得主动查信息、验证旧结论还失效没失效。目前没有哪个前沿模型能全面搞定，做 Agent 评测和地理信息应用的开发者可以拿来测自己的方案。

#LiveGeo #GeoWorld #LLM智能体 #基准测试

arXiv cs.AI@Pengcheng Zhou et al. (9)Source