算法论文8

论文：RLHF/DPO即对比学习，MIO算法破难题

深度学习自然语言处理2025-07-13

AI 摘要

论文指出RLHF和DPO本质是对比学习，无法让模型突破基座模型能力。DPO有同步崩溃问题，作者提出MIO算法，用JS估计器解决该问题，实验显示MIO在多基准测试中性能优异。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

记忆是Agent走向RSI的核心关键

本文结合OpenAI、Anthropic的最新AI研发动向，指出RSI是Agent自进化的核心方向，记忆是RSI的关键基础，介绍了MemoraX的记忆驱动RSI体系与多场景实践成果。

本文报道，前OpenAI核心成员创办的TypeSafe AI推出砍掉生成功能、只做决策的AI模型Jev，上线仅24天估值从2亿美元暴涨至75亿美元，引爆AI决策新赛道，科技巨头纷纷跟进布局。

字节Seed团队联合多校研究，发现DeepSeek-V4的分块KV缓存压缩架构存在长文本检索周期性盲区，不同Token位置检索准确率落差最高超40个百分点，揭露了传统长文本评测的盲区，DeepSeek已在V4.1改善但未完全消除缺陷。

单个AI Agent能力不断提升，但多智能体协作能力缺乏系统评测。本文介绍新推出的AgentWorld评测基准，结合长时程任务、角色不对称与黑盒交互，评测多智能体协作能力，给出主流大模型的协作表现数据。