算法论文8

社交Agent思维切换超GPT - 4

深度学习自然语言处理2025-05-07

AI 摘要

论文指出大模型思维单一，研究团队受分层认知控制理论启发，设计4种思维模式，用AMPO算法动态切换。在模拟社交任务中，AMPO任务成功率高、效率提升，思维模式分布灵活。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

小偏差为何带偏大模型RL训练

本文解读Together AI的新算法论文，讲解大模型强化学习中，采样端与训练端的微小偏差如何累积放大导致训练跑偏，介绍Score Centering校正方法的原理、效果与应用边界。

本文报道小米开启史无前例的大模型训练直播，6天花费约2344万元完成MiMo-V2.6系列强化学习训练，训练出的MiMo-V2.6-Pro登顶开源大模型第一，全套技术资源全部开源，引发AI行业热议。

本文是腾讯混元团队针对大模型强化学习规模化训练的研究，聚焦万卡级算力下Batch Size优化问题，拆分样本效率与系统效率的影响，给出可落地的调优框架，实测可缩短29%训练时间。

华为诺亚方舟实验室发布 RoboHarness 系统，解决不同策略协作问题。它将独立控制系统封装成可调度技能，由 Coding Agent 决策，还设计辅助技能和 Memory Bridge 模块，促进策略协同，推动具身智能发展。