算法论文8

清华提出SAC Flow强化学习新方法

机器之心2025-10-18

AI 摘要

清华大学和CMU提出SAC Flow，把流策略视为RNN，用GRU和Transformer稳定训练。在多环境测试中，它稳定快速、样本效率高，支持两种训练范式，后续将验证其在真实机器人上的效果。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

小米6天烧2000万拿下开源第一大模型

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15年资深后台工程师吴银光的转型自述，分享了他从零切入大模型推理工程的抉择过程，给出了清晰的入门路径与自检方法，分析了AI Infra与传统Infra的异同，为有意转型AI的技术人提供了实用参考。

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。

针对原生视觉推理缺少完整训练评估基础设施的现状，NTU等多校联合推出VBVR-Pro系统，构建了从任务构建、模型训练、能力评测到强化学习优化的完整闭环，论文、数据、代码均已公开。