算法论文8

港科联合快手可灵提出GARDO强化学习新范式

机器之心2026-01-25

AI 摘要

港科联合快手可灵等团队提出GARDO框架。它解决了强化学习微调扩散模型时Reward Hacking及KL正则化问题，在多任务实验中优势显著，证明精准控制比强力约束更重要。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

扩散新范式Hi-DiT终结路线之争

中科大与智象HiDream.ai团队提出混合潜空间-像素空间扩散新模型Hi-DiT，解决了两类传统扩散路线各自的瓶颈，论文被ECCV 2026接收，在多个主流图像生成任务上取得优异性能，仅小幅增加计算开销。

本文结合EchoRL、ReflectRL两项最新研究，重新解读推理轨迹的训练价值，解决全答对无强化信号、错题全丢弃的训练痛点，梳理方法设计、实验结果与适用边界，为大模型推理训练提供新参考。

本文解读Together AI的新算法论文，讲解大模型强化学习中，采样端与训练端的微小偏差如何累积放大导致训练跑偏，介绍Score Centering校正方法的原理、效果与应用边界。

本文报道小米开启史无前例的大模型训练直播，6天花费约2344万元完成MiMo-V2.6系列强化学习训练，训练出的MiMo-V2.6-Pro登顶开源大模型第一，全套技术资源全部开源，引发AI行业热议。