开源动态8

清华团队：简单 RL 配方让 1.5B 模型达顶尖性能

机器之心2025-11-12

AI 摘要

清华团队推出 JustRL，用简单 RL 配方训练 1.5B 模型。单阶段训练、固定超参达 SOTA 性能，省算力且训练平稳。提醒先验证简单方法极限，再考虑增加复杂度。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

清华团队22年让机器人学会踢足球

今年8月，清华赵明国教授团队联合字节跳动Seed等在《Science Robotics》发表论文，提出视觉驱动的反应式足球技能学习框架。该研究历经22年技术接力，成果在真机和赛事中验证，加速进化平台助力研究。

清华大学类脑计算研究中心团队成果三年两登Nature封面。晰见科技承接天眸芯技术产业化，重新做AI的眼睛。天眸芯拆解视觉信息，构建互补通路，团队还研究算法融合信息，目前芯片进展良好。

以往空间音频模型受限于采集条件和标注成本，清华和密西根大学团队在CVPR 2025给出新路径，利用相机自运动作监督信号，让模型从互联网视频学三维空间音频感知，成果入选会议Highlight。

人大高瓴研究团队提出DelTA算法，不依赖经验为强化学习目标中每个token算最优权重。实验显示它适配主流强化框架，在多任务上提升base模型效果，还能让训练更稳定。