算法论文8

字节等团队：FR3E助力LLM强化学习突破

量子位2025-08-07

AI 摘要

字节跳动等团队：针对强化学习探索难题，提出FR3E框架，分两阶段重建探索机制，实验显示其在多基准上优于强基线，提升推理性能，为大模型强化学习提供新参考。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

OpenAI Astra核心架构：循环深度引争议

The Information记者爆料OpenAI即将推出的Astra模型采用“recurrent depth”新推理方法，该技术能降本提效，但引发AI安全与可观测性担忧。清华与字节论文解决了循环模型“算力不公平”问题，并给出Scaling Law。

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。

9月1日，Anthropic发布Claude Fable 5.1和Claude Mythos 5.1，二者用相同底层模型，区别在安全限制和开放范围。Fable面向订阅用户和企业，Mythos仅向少数审核机构开放，此次还尝试新的开放方式。

香港科技大学（广州）联合腾讯AI平台部提出VibeWorlding，是可通过多轮对话等自主构建和编辑交互式3D世界的多模态智能体框架。团队开源多项数据，其模型经强化学习后表现超GPT - 5.5等。