算法论文7

多模态大模型推理技术综述

PaperAgent2025-05-05

AI 摘要

华东师大与字节跳动回顾基于强化学习的MLLMs推理进展，介绍MLLMs与RL基础，探讨RL在LLMs/MLLMs中的关键设计与优化策略，包括无价值和基于价值方法，还阐述多模态大模型推理的训练范式、奖励机制及训练效率等内容。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

具身智能：告别通用模型，走向异构编排

当VLA、WAM等机器人控制策略在各自任务中表现出色，如何为子任务匹配合适策略成完成复杂长时序任务关键。RoboHarness解决异构策略协同难题，通过协同调用策略提升成功率。

今年5月，Cursor推出Agentic编程模型Composer 2.5，相比前代能力更强、成本效率更高。Cursor研究负责人认为最强大的RL环境就是自己的产品，文中还介绍了Composer 2.5训练方式、面临的挑战及解决办法等。

在大模型推理能力增强研究中，SFT和RL两种后训练范式难有效融合。研究团队提出DYPO动态策略优化方法，先判断样本学习阶段再匹配优化路径，在多场景实验中表现出色，不过有实验边界。

当大模型走向深度推理，ICLR 2026 汇聚全球顶尖成果。OpenMMLab 等联合发起 AI Spot ICLR 2026 学术分享会，5 月 14 日 19 点直播，聚焦模型‘慢思考’，嘉宾将解读四大核心技术。