推荐文章8

快手GAVE：出价算法新SOTA

王喆的AI笔记2025-09-23

AI 摘要

王喆介绍快手GAVE出价模型，它结合生成式与强化学习。回顾PID、MPC、RL等算法不足后，阐述GAVE创新点。其经多验证效果好，已提升快手广告收入，未来有望催生出价大模型。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

小偏差为何带偏大模型RL训练

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。

本文是腾讯混元团队针对大模型强化学习规模化训练的研究，聚焦万卡级算力下Batch Size优化问题，拆分样本效率与系统效率的影响，给出可落地的调优框架，实测可缩短29%训练时间。

华为诺亚方舟实验室发布 RoboHarness 系统，解决不同策略协作问题。它将独立控制系统封装成可调度技能，由 Coding Agent 决策，还设计辅助技能和 Memory Bridge 模块，促进策略协同，推动具身智能发展。