算法论文8

北大腾讯：RewardAnything突破奖励模型瓶颈

量子位2025-06-26

AI 摘要

北大联合腾讯等机构提出RewardAnything，它采用创新技术，在RM - Bench和RABench评测中表现优异，能通过自然语言原则规避偏见，还能定制AI行为，降低了AI系统对齐的门槛。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

腾讯秋招AI产品经理培训生

腾讯2027届「AI产品经理培训生」岗位开始投递，公开选拔流程与用人要求。选拔不看学历标签，新设流程重实际表现。对人才要求贴合AI产品工作，培养体系成熟，岗位含金量高，值得应届生尝试。

浙大陈静远教授课题组等提出自适应非对称适配器，放弃对图像分支硬性微调，引入预测置信度自动给视觉塔‘踩刹车’。经实验总结出微调三大核心洞察，在多个数据集测试中表现优异。

前阿里Qwen负责人林俊旸创办Pragmatik Labs/语用科技，研究跨数字与物理世界的下一代agent。红杉中国、高榕创投领投，腾讯等跟投。其目标是用agent实现终极生产力，有独特技术底色与愿景。

北京大学连发两篇论文，给出让 Agent 变强的答案：让 Skill 自己进化。`SESA` 针对工具增强的搜索问答，用四个阶段闭环使任务生成和技能记忆一起进化；`VeriSkill` 把验证器废信号变成可信更新，二者场景不同但核心一致。