算法论文8

浙大：Transformer助力翼型流动控制

力学与人工智能2025-05-14

AI 摘要

浙江大学团队：提出基于Transformer的主动流动控制策略学习框架，将强化学习与气动优化结合。在翼型流动分离实验中表现佳，集成后显著提高设计效率，为流动控制和气动设计提供新方法。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

阿尔伯塔大学：FAME破解强化学习遗忘难题

阿尔伯塔大学强化学习团队提出FAME框架，解决持续强化学习“学新忘旧”问题。团队先定义基础概念，将知识整合写成优化问题，再受人类学习机制启发设计FAME，实验优势明显。研究还探讨持续学习的产业价值。

谷歌发布Gemini 3.8 Flash及专攻网络安全的3.8 Flash Cyber。前者性价比高，在多项测试逼近顶级模型；后者在网络安全测试屠榜。但谷歌也被指提前庆祝，且模型可能有‘刷榜’成分。

新加坡南洋理工大学PINE Lab团队研发Facet - 0机器人基础模型，用于精密装配。它在五项计算机装配任务中平均成功率达82%，能让机器人理解接触状态、判断对错并改进。通过多阶段训练，降低人工干预率，提高失败恢复率。

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。