强化学习相关 AI 资讯

论文73°11:07

强化学习助力寻找新物理

物理学家用强化学习自动寻找解释异常的标准模型算子，比人类分析更全面高效。

#SMEFT #强化学习 #新物理 #粒子物理

arXiv cs.LG@Jacky Kumar 等 3 人原文

论文 Agent 与开发者精选09:33

基因组工具选择的全组策略优化方法

FGPO方法解决了基因组工具选择中的采样问题，比GRPO表现更好，还能减少计算资源消耗。

#基因组 #FGPO #GRPO #强化学习

arXiv cs.AI@Haoyue Liu 等 5 人原文

论文 Agent 与开发者精选73°09:31

TRACE: 因果探索推理智能体训练方法

TRACE用模拟验证解决诊断推理难题，让Qwen3.5-35B在数字广告诊断任务上超越Claude Opus 5。

#TRACE #Qwen3.5 #Claude Opus #因果推理

arXiv cs.LG@Rui Sun 等 3 人原文

论文 Agent 与开发者精选73°09:28

基于策略引导嵌入搜索的层次化排列不变特征变换学习

PHER解决了表格数据特征变换的三个关键局限，代码已开源在GitHub，适合做表格数据预测的研究者和工程师。

#PHER #特征变换 #表格数据 #强化学习

arXiv cs.LG@Rui Liu 等 8 人原文

技巧 Agent 与开发者05:32

模型与工具协同优化技术

Omar分享了模型与工具协同优化的价值，RLMs提供了新扩展方式，效果已被多项研究证实。

#RLMs #模型-工具协同优化 #强化学习 #Harness工程

elvis@omarsar0原文

论文 Agent 与开发者73°23:17

微软发布FrogNano小模型编程智能体

微软教你用合成任务训练小模型编程智能体，不依赖大模型蒸馏，在普通设备上就能运行。

#FrogNano #Microsoft #编程智能体 #强化学习

elvis@omarsar0原文

技巧 Agent 与开发者精选73°16:02

谷歌绘制果蝇全脑图谱用于游戏训练

谷歌把果蝇全脑图谱拿去训练游戏，Alex Wormuth用16.6万神经元控制《毁灭战士》。

#MaleCNS #果蝇大脑 #毁灭战士 #强化学习

IT之家原文

论文 Agent 与开发者73°11:55

PlayTrain：LLM生成可适应JavaScript游戏的高效强化学习框架

PlayTrain让LLM直接生成JavaScript游戏，无需大量手动编码，RL训练速度达百万决策/秒/GPU。

#PlayTrain #LLM #JavaScript #强化学习

arXiv cs.LG@Ryan Truong 等 4 人原文

论文 Agent 与开发者73°11:41

CAST结合规划器引导行为提升强化学习

新提出的CAST方法结合规划器与策略，在强化学习中实现更高效的值学习，并在四足机器人上验证效果。

#CAST #强化学习 #模型基础 #规划器

arXiv: Google DeepMind@Pietro Noah Crestaz 等 4 人原文

论文 Agent 与开发者11:20

ThinkPrior：零轮次难度先验用于RLVR冷启动提示选择

研究人员提出ThinkPrior方法，通过离线锚点构建难度先验，解决了RLVR训练中的冷启动问题，显著减少了无效轮次。

#ThinkPrior #RLVR #GRPO #Qwen2.5-Math-7B

arXiv cs.AI@Tommy Sha 等 3 人原文

论文 Agent 与开发者73°09:47

OSOL缓解多领域强化学习中的高阶干扰

清华团队提出OSOL方法，通过分析token足迹解决多领域RL性能退化问题，在Qwen3-30B-A3B上提升5.7%性能。

#OSOL #Qwen3-30B-A3B #强化学习 #多领域

arXiv cs.LG@Zihan Lin 等 7 人原文

行业 Agent 与开发者精选15:48

原小米汽车L3负责人创业攻坚具身大脑

小米前L3负责人王乃岩创业，用强化学习+域随机化方法打造具身大脑，和传统具身大脑创业派不同。

#王乃岩 #具身大脑 #L3 #强化学习

IT之家原文

论文 Agent 与开发者精选73°09:39

GUT：量化优化LLM推理不确定性

GUT方法通过图复杂度量化LLM推理不确定性，并用强化学习优化，解决了LLM推理过程中的分支发散问题。

#LLMs #GUT #推理不确定性 #强化学习

arXiv cs.AI@Shuang Liang 等 4 人原文

论文 Agent 与开发者73°09:36

量子机器学习框架统一建模器件

清华团队用强化学习发现量子电路，在器件建模上误差降低59-84%，比6个经典方法都好。

#量子机器学习 #强化学习 #PQC #GNN

arXiv cs.AI@Rushat Rai 等 13 人原文

模型 Agent 与开发者12:54

世界模型训练后退出，机器人能力提升

MIT团队让AI模型训练完就'退场'，机器人反而更聪明了，这种反直觉方法值得关注。

#世界模型 #机器人 #MIT #Robotics

量子位@梦瑶原文

论文中美对照精选73°02:17

腾讯发布环境进化论文解决智能体训练难题

腾讯这篇论文解决了智能体RL的环境供应瓶颈，提出不依赖智能体弱点就能提升环境难度的方法。

#Tencent #环境进化 #智能体 #强化学习

elvis@omarsar0原文

模型19:21

星尘发布SmoothRL异步强化学习框架

星尘智能出了SmoothRL，让机器人不等大模型也能实时决策，比同步推理效率高多了。

#星尘智能 #SmoothRL #强化学习 #基座模型

量子位@量子位的朋友们原文

论文精选73°11:19

顺序优于联合：RLVR与OPD方法对比研究

OpenAI等机构常用方法被挑战，论文证明先OPD后RL的两阶段训练效果更好，还给出了实用切换信号。

#RLVR #OPD #大模型推理 #强化学习

arXiv cs.LG@Boyan Li 等 6 人原文

论文精选73°11:17

PreferenceEKF 实现高效主动奖励学习

PreferenceEKF 用子空间推理解决奖励模型不确定性问题，比传统贝叶斯方法更高效。

#PreferenceEKF #RLHF #强化学习 #贝叶斯方法

arXiv cs.LG@Yutai Zhou, Erdem Bıyık原文

论文精选73°12:06

Cliff：从首次错误中学习过程奖励

研究人员提出Cliff方法，通过识别首次错误来改进强化学习，性能提升显著且适用性广。

#Cliff #RLVR #强化学习 #推理模型

arXiv cs.LG@Peixuan Han 等 6 人原文

模型 Agent 与开发者多源确认78°11:51

Nemotron-3模型在编程竞赛中超越人类金牌选手

NVIDIA训练的编程竞赛模型首次在IOI中击败人类冠军，分数535.4远超金牌线361.12。

#Nemotron-3 #IOI #编程竞赛 #GenCorrect

事件专题

arXiv cs.LG@Aleksander Ficek 等 5 人3 个信源在谈原文

论文精选73°09:12

英国气象局模型集成分布式强化学习

英国气象局将强化学习集成到全球天气预报模型，显著降低多个纬度带的预报误差。

#Met Office #Unified Model #强化学习 #天气预报

arXiv cs.LG@Pritthijit Nath 等 5 人原文

论文精选09:06

多轮智能体信用分配的结构性研究

论文发现多轮智能体信用分配中，均匀奖励分配比针对性分配更有效，颠覆了传统认知。

#智能体 #信用分配 #tau^2-bench #ToolACE-2-8B

arXiv cs.LG@Chenyu Zhou 等 4 人原文

行业15:44

孙鹏博士加盟星尘智能

字节跳动前强化学习专家孙鹏加入星尘智能，将强化其Physical AI技术实力。

#孙鹏 #星尘智能 #字节跳动 #Physical AI

量子位@量子位的朋友们原文

论文精选73°10:49

语言强化学习新范式兴起

这篇论文首次系统梳理了语言强化学习，将现有研究分为三大类，帮助理解语言如何重塑智能体开发。

#语言强化学习 #语言智能体 #VRL #强化学习

arXiv cs.AI@Kshitij Tayal 等 5 人原文

模型精选73°10:15

Facet-0：机器人基础模型实现高精度装配

Facet-0 模型通过预测和评估接触后果，让机器人能完成高精度装配，成功率比最强基线高出 5 倍多。

#Facet-0 #机器人 #精密装配 #强化学习

arXiv cs.LG@Haoyuan Deng 等 9 人原文

论文73°10:12

SAGE框架：从VLM教师学习自主策略

SAGE框架让VLM只在关键时刻提供指导，大幅减少调用次数，学习到的策略甚至能超越VLM教师表现。

#SAGE #VLM #强化学习 #视觉语言模型

arXiv cs.LG@Matteo Merler 等 5 人原文

论文精选73°10:11

NashDreamer：零和博弈模型强化学习框架

斯坦福团队推出NashDreamer，解决零和博弈中的非平稳性问题，比无模型基线训练效率更高。

#NashDreamer #强化学习 #零和博弈 #多智能体

arXiv cs.LG@Tomáš Holeček, Viliam Lisý原文

论文精选73°09:37

ARISE-RL：基于强化学习的智能体自我进化框架

OpenAI新框架ARISE-RL用评分协同进化解决开放智能体训练难题，ECR-Bench基准测试验证效果。

#ARISE-RL #强化学习 #智能体 #ECR-Bench

arXiv cs.AI@Fanrui Zhang 等 16 人原文

技巧 Agent 与开发者05:43

用鸭子解释强化学习

Remi Fabre用鸭子动画解释强化学习，直观展示Microduck学习过程

#强化学习 #Microduck #Remi Fabre #机器学习

Thomas Wolf@Thom_Wolf原文

论文政策与合规精选73°11:23

TASPO解决智能体政策优化中的监督-信用差距

TASPO解决了智能体政策优化中的监督-信用差距问题，让特权信息只重新分配行动间的信用，不改变整体更新方向。

#TASPO #智能体 #GRPO #强化学习

arXiv cs.AI@Jingxiao Yang 等 6 人原文

论文78°11:22

大推理模型超越人类监督的扩展路径

这篇论文系统分析了大推理模型如何减少人类依赖，提出了五级发展阶梯和三种评估对象。

#LRM #推理模型 #强化学习 #GitHub

arXiv cs.AI@Zhiqin Yang 等 19 人原文

论文精选73°11:19

大语言模型自我建模评估与改进

研究者提出LLM自我建模评估基准，用合成数据提升模型自我认知能力，但不构成真正的内省。

#LLM #self-modeling #强化学习 #开源模型

arXiv cs.AI@Siqi Zeng 等 3 人原文

论文精选73°10:49

三步序列学习：对比强化学习中的动作块表示

这篇论文展示了对比强化学习通过动作块建模获得显著性能提升，揭示了动作块携带更多目标信息的新机制。

#对比强化学习 #动作块 #表示学习 #强化学习

arXiv cs.LG@Michal Korniak 等 5 人原文

论文精选73°10:44

PAC：LLM多任务强化学习的新课程方法

PAC方法解决了LLM多任务RL中任务分配问题，结合优势信号和实际奖励增益，提升训练效率。

#PAC #LLM #强化学习 #课程学习

arXiv cs.LG@Yuanqiang Yu 等 11 人原文

论文10:17

GMTS方法提升LLM推理训练效果

GMTS方法让LLM推理训练更高效，前20%标记选择比传统熵方法表现更好。

#GMTS #RLVR #LLM #推理模型

arXiv cs.AI@Outongyi Lv 等 3 人原文

论文精选73°09:15

AgenticRag-R1：基于栈内存的智能体强化学习框架

清华团队推出 AgenticRag-R1，解决多步推理中的检索适应性问题，比传统方法更聪明。

#AgenticRag-R1 #RAG #强化学习 #多步推理

arXiv cs.AI@Xinke Jiang 等 15 人原文

产品精选23:49

FireworksAI推出强化学习全流程平台

FireworksAI推出强化学习全流程平台，实现训练到推理闭环，适合大规模RL项目使用。

#FireworksAI #强化学习 #RL #AI平台

Fireworks AI@FireworksAI_HQ原文

论文精选73°11:43

Aero Hand Open：仿真就绪的肌腱驱动手

MIT发布了仿真就绪的肌腱驱动手Aero，包含完整训练包，无需微调即可部署。

#Aero Hand Open #肌腱驱动手 #强化学习 #拟人化手

arXiv cs.LG@Nan Wang 等 8 人原文

行业多源确认精选10:01

Hugging Face事件启示：可验证奖励的强化学习

OpenAI一年前提出的CoTs安全策略为何在Hugging Face事件中被忽视？

#OpenAI #Hugging Face #强化学习 #LLM

事件专题

Amjad Masad@amasad11 个信源在谈原文