算法论文8

V-Rubrics细化多模态强化学习奖励

机器之心2026-09-25

AI 摘要

南洋理工等机构团队提出V-Rubrics，拆分多模态回答为三类细粒度评分准则，解决奖励信用分配问题，相比答案级GRPO提升多模态推理性能，论文已收录EMNLP 2026，代码数据开源。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

平均6天一个新旗舰大模型卷疯了

本文梳理全球大模型厂商的旗舰发布节奏，统计显示当前平均每6天就诞生一个新旗舰，AI辅助研发加速迭代，带来开发者适配难、评测体系跟不上等问题。

本文报道Anthropic的Claude攻克理论物理前沿难题，成功算出平面N=4超杨-米尔斯理论六粒子振幅的九圈结果，打破人类此前保持的八圈纪录，计算成本仅几千美元，展示了大模型在科研领域的突破性能力。

香港科技大学（广州）与微软亚洲研究院联合开源基于大语言模型的AI情商教练SocialCoach，支持用户在低风险模拟环境练习社交对话，练后提供逐字点评，可在线体验或本地部署，采用Apache 2.0协议可完全商用。

本文是花叔对Anthropic工程师Claude提速复盘的深度拆解，公开了Anthropic用AI辅助做产品性能优化的完整方法，花叔还实战验证了这套方法，整理出可复用的「闪电.skill」工具开源放出。