开源动态8
阿里HumanOmniV2突破全模态AI理解边界
量子位
AI 摘要
阿里巴巴通义实验室团队：推出HumanOmniV2，以Qwen2.5-Omni-Thinker为基础改进GRPO训练方法，构建新推理范式、数据集与基准，在多基准测试中性能领先，推动多模态AI发展。
阅读原文 · 量子位
突破全模态AI理解边界：引入上下文强化学习，赋能全模态模型“意图”推理新高度
在多模态大语言模型应用多元的当下，对模型理解人类意图需求迫切。阿里巴巴通义实验室团队推出HumanOmniV2，解决现有推理路径问题，其相关代码等开源，在多基准数据集成果突破性领先。
关注公众号
扫码关注
第一时间收到每日精选
相关文章
算法论文9
万卡RL训练：如何选最优Batch Size
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。
机器之心
算法论文8
G²RPO - A为小模型推理能力「开挂」
大模型推理能力难迁移到小模型，现有强化学习方法如GRPO在小模型上性能提升有限。香港中文大学（深圳）唐晓莹教授团队提出G²RPO - A算法，缓解小模型奖励稀疏问题，在多模型实验中表现优于vanilla GRPO。
机器之心
算法论文8
强化学习：从PPO到MaxRL的算法演进
本文概述2024 - 2026年推理LLM的强化学习进展，从REINFORCE和PPO讲起，介绍GRPO、RLOO等多种算法。指出critic模型非必需，标准差归一化有副作用，损失聚合很关键，信任域是优化切入点，还提出几个未解决的挑战。
机器之心
算法论文8
VASTx清华：SkinTokens让3D生成告别穿模
3D模型生成容易，让它“动起来”难，传统AI蒙皮算法有局限。SkinTokens研究将蒙皮权重离散化，构建TokenRig框架，引入GRPO算法，提升了AI自动绑定精度和泛化能力，助力3D动画自动生产。
量子位