Evolution 近期进展

Evolution 研究新进展

Meta新研究：EvoHarness-RL让智能体学习协调策略

原文标题：Meta团队提出了一种名为EvoHarness-RL的新方法，通过强化学习使智能体能够学习协调策略，这一研究有望推动进化算法在智能体控制领域的应用。

NVIDIA 证明 AI 学习无需反向传播：EGGROLL 扩展进化策略至十亿参数

原文标题：NVIDIA的研究团队展示了EGGROLL算法，该算法能够将进化策略应用于十亿参数的模型，证明了AI学习无需反向传播也能有效进行。

SAGE：通过几何逻辑一致性提升VLM空间推理能力

原文标题：SAGE是一种新的进化算法，通过几何逻辑一致性来提升视觉语言模型（VLM）的空间推理能力，这一研究为VLM的发展提供了新的思路。

BaichuanAI 发布 SPAR 强化学习新方法：分阶段优化减少幻觉

原文标题：BaichuanAI提出了一种名为SPAR的新方法，通过分阶段优化来减少强化学习中的幻觉问题，这一研究有助于提高强化学习算法的稳定性和准确性。

EvoHarness-RL、EGGROLL、SAGE和SPAR等新算法的提出和应用，标志着进化算法在智能体控制、AI学习、VLM空间推理和强化学习等领域取得了显著进展。当前的研究焦点在于如何进一步提高进化算法的效率和适用性，以应对日益复杂的AI任务。