算法论文8

阿里VRAG - RL革新视觉信息处理

PaperAgent2025-06-04

AI 摘要

阿里巴巴通义实验室：VRAG - RL将强化学习用于多模态智能体训练，革新检索生成范式，提升视觉语言模型能力，还采用奖励机制优化，在多数据集表现出色，代码已开源。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

阿尔伯塔大学：FAME破解强化学习遗忘难题

阿尔伯塔大学强化学习团队提出FAME框架，解决持续强化学习“学新忘旧”问题。团队先定义基础概念，将知识整合写成优化问题，再受人类学习机制启发设计FAME，实验优势明显。研究还探讨持续学习的产业价值。

强化学习与可验证奖励提升视觉语言模型推理能力，但存在答案奖励只知对错、不知证据区域问题。哈工大等团队提出EASE，把标注证据区转为目标分布，监督空间注意力，推理无额外标注，实验成绩优异。

谷歌发布Gemini 3.8 Flash及专攻网络安全的3.8 Flash Cyber。前者性价比高，在多项测试逼近顶级模型；后者在网络安全测试屠榜。但谷歌也被指提前庆祝，且模型可能有‘刷榜’成分。

新加坡南洋理工大学PINE Lab团队研发Facet - 0机器人基础模型，用于精密装配。它在五项计算机装配任务中平均成功率达82%，能让机器人理解接触状态、判断对错并改进。通过多阶段训练，降低人工干预率，提高失败恢复率。