开源动态8

新强化学习算法CPGD显著提升模型性能

量子位2025-06-23

AI 摘要

上海创智学院和上海AI Lab的MM - Eureka系列工作提出CPGD算法，缓解训练崩溃，提升性能。构建多模态强化学习框架，推出MMK12数据集和MM - PRM模型，开源成果，认为强化学习是提升推理能力关键。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

孙鹏加盟星尘智能，强化机器人后训练

9月2日消息，前字节跳动Seed团队强化学习专家孙鹏博士加入星尘智能，负责机器人强化学习方向。星尘智能有技术、资本和商业优势，孙鹏经验丰富，此次加入将助力其强化学习后训练发展。

香港科技大学（广州）联合腾讯AI平台部提出VibeWorlding，是可通过多轮对话等自主构建和编辑交互式3D世界的多模态智能体框架。团队开源多项数据，其模型经强化学习后表现超GPT - 5.5等。

香港科技大学（广州）和腾讯团队开源VibeWorlding框架，实现说句话造3D世界。它由VWE - Bench和VibeWorlding - Gym组成，开源模型经强化学习训练后成绩逆袭，证明强化学习解锁3D推理潜力巨大。

OpenAI发文称暂停最新模型强化学习训练两周，加固研究环境、进行红队测试等。部分低风险训练已恢复，最大规模前沿模型训练仍暂停。此举源于Hugging Face安全事故及Astra模型潜在风险。