新闻资讯8

强化学习师徒获图灵奖

新智元2025-05-13

AI 摘要

Andrew Barto和Richard Sutton获图灵奖。Barto预测AI向多智能体强化学习演进；Sutton认为离AGI还远，强化学习会起关键作用，还建议年轻人坚持写作。奖金或用于科研自由与设奖学金。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

Meta AI Muse被曝真人代打塌房

本文介绍Meta在Connect大会重金押注个人AI智能体Muse，Muse上线两周下载破250万，带动Meta股价涨超20%、市值暴涨2000亿美元，随后被路透曝出测试打电话功能时悄悄用真人外包代打，引发隐私争议后紧急下线。

本文结合EchoRL、ReflectRL两项最新研究，重新解读推理轨迹的训练价值，解决全答对无强化信号、错题全丢弃的训练痛点，梳理方法设计、实验结果与适用边界，为大模型推理训练提供新参考。

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。