算法论文8

实验证明：RL可为LLM注入创新组合能力

深度学习自然语言处理2025-09-07

AI 摘要

研究指出，此前‘RL不教新技能’结论有局限。实验表明，RL能让LLM学会组合原子技能，形成可泛化、迁移的元技能，还给出‘先预训练，再针对性RL’的模型提升路径。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

北大团队推MathDebugger，提升合成数据质量

随着合成数据增多，模型需判断数学数据题目能否被信任。北大DCAI团队提出MathDebugger质检BenchMark，覆盖问答两端，评测主流LLM和PRM。还探究能否判断正误、分类错误、修复数据，证明错误标签可作监督信号。

9月2日，Google发布Gemini 3.8 Flash和Gemini 3.8 Flash Cyber。前者用于编程等，已稳定上线；后者专用于发现修复漏洞，仅向特定方开放。二者共享基础能力，采用不同安全限制和部署环境。

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。