算法论文8

三校联合发布异构智能体协同强化学习成果

机器之心2026-03-20

AI 摘要

北航、清华、北大团队：提出 HACRL 新范式，让异构智能体训练时协同、推理时独立；HACPO 算法弥合差异。实验证明能提升性能、降低成本，未来可拓展应用场景。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

九章云极问鼎陶哲轩数学挑战赛

本文报道九章云极言表实验室在陶哲轩发起的数学蒸馏挑战赛第二阶段拿下全部赛道满分，解决28个未解决开放数学问题，介绍了其可验证AI+强化学习的AI4S布局。

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。

本文报道OpenAI最新AI进展，其内部新模型批量攻破100多道长期悬而未决的公开数学难题，联合普林斯顿高等研究院成立独立学术顾问小组规范成果评估，引发数学界震动。

人大高瓴研究团队提出DelTA算法，不依赖经验为强化学习目标中每个token算最优权重。实验显示它适配主流强化框架，在多任务上提升base模型效果，还能让训练更稳定。