算法论文8
京东&中科院连发三篇Self - Taught RLVR论文
量子位
AI 摘要
京东与中科院信工所连发三篇Self - Taught RLVR论文。RLSD解决OPSD信息泄漏问题，训练效果更好；NPO用未来自己引导当下，提升模型分数；CoPD提出专家协同进化新思路，或暗示新范式。
阅读原文 · 量子位
让大模型学会「自己教自己」！京东&中科院信工所连发三篇论文定义Self-Taught RLVR
京东和中科院信工所开展Self - Taught RLVR系列研究，连发三篇论文。从RLSD、NPO、CoPD三个维度探索让大模型自我指导。如RLSD解决信息泄漏，NPO引入有效学习信号，CoPD整合多专家能力，各有创新与良好效果。
关注公众号
扫码关注
第一时间收到每日精选
相关文章
推荐文章9
YC CEO：真正AGI就在你电脑里
本文编译YC CEO Garry Tan在2026 Startup School的演讲，近期Meta、OpenAI、Google等巨头集体布局个人AI Agent，Garry Tan提出个人AGI新路线，分享搭建方法，探讨个人认知所有权问题。
InfoQ
算法论文8
最强AI Agent团队仅完成半数协作任务
单个AI Agent能力不断提升，但多智能体协作能力缺乏系统评测。本文介绍新推出的AgentWorld评测基准，结合长时程任务、角色不对称与黑盒交互，评测多智能体协作能力，给出主流大模型的协作表现数据。
InfoQ
新闻资讯8
谷歌下一代Gemini 4 Carbon曝光
外媒爆料谷歌下一代Gemini 4模型Carbon已进入内部测试，性能逼近Anthropic Opus 5.5，核心进展来自递归自我提升RSI技术，业内对谷歌拖沓的发布策略争议不断。
新智元
产品应用8
实测豆包新版多模态写代码
本文为豆包Doubao-Seed-2.1-pro-0915新版本实测内容，展示该模型的多模态编程能力，以生成鱼类识别微信小程序为例，给出基准测试成绩，介绍其适用开发场景。
机器学习AI算法工程