算法论文8

人大赵鑫团队：A3PO重塑推理模型训练

AI科技评论2026-01-16

AI 摘要

人大高瓴赵鑫团队研究推理模型训练，发现正样本收缩策略空间，负样本扩张。提出A3PO方法，针对关键token非对称加权，在多模型和任务上提升性能，让训练更可控。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

智象未来DreamWorld：3D先验驱动视频扩散

视频扩散模型生成新视角视频时，现有方法缺显式3D结构。智象未来提出DreamWorld，用3D先验与两阶段框架，结合结构和生成能力，在多基准测试表现领先。

视觉-语言-动作（VLA）模型是端到端自动驾驶主流技术，但自回归解码架构有瓶颈。复旦大学与引望智能联合提出WAM-Diff2，实现自回归VLA向离散扩散模型迁移，解码加速15.1倍，多任务性能不降。

国立清华与英伟达团队研究《VLM-AR3L》，把Gemini 2.0、GPT-4.1等拉进考场，评估视觉裁决能力。结果显示Gemini综合最稳，开源小模型特定场景反超。还提出VLM-AR3L框架破使用瓶颈，实战超人类手写奖励。

IJCAI 2026大会上，秦浩桐给出创新解法，挑战无需重训的“后训练量化”极限，将庞大的LLM强行压缩至极端的1比特与2比特。其团队的BiLLM与SqueezeLLM打破了后训练量化魔咒，还指出极低比特量化的三大挑战。