算法论文8

AlphaGo作者领衔，DeepMind机械臂协作成果登刊

量子位2025-09-09

AI 摘要

DeepMind等提出RoboBallet，结合图神经网络与强化学习，解决多机器人协作难题。最多控8机械臂，每步规划0.3毫秒，实验中多指标表现优，还能零样本迁移。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

谷歌AI踩油门：Gemini冲刺TPU上天

本文报道谷歌近期AI业务最新动态，涵盖Gemini 4大模型研发进展、TPU上太空测试计划，以及工程师因AI发展太快辞职事件，展现谷歌AI全面加速的现状。

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。