算法论文8

田渊栋团队：揭秘RLVR参数更新机制

量子位2025-11-17

AI 摘要

田渊栋团队论文剖析可验证奖励强化学习（RLVR），指出其参数更新稀疏是表面现象，背后有固定优化偏好，提出三门理论解释机制，还表明SFT时代参数高效微调方法在RLVR中效果不佳。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

Meta Muse爆火核心源自OpenClaw

Meta推出的个人智能体Muse上线12天累计装机280万次，下载量跑赢ChatGPT登顶美区App Store，随后被曝核心设计沿用开源项目OpenClaw框架，Meta高管承认借鉴，本文梳理事件始末并分析行业趋势。

本文报道Meta推出独立个人AI助手Muse，上线两周登顶美国iOS应用商店免费榜，累计下载超250万次。Meta调整AI战略转向个人AI Agent赛道，依托社交网络与可穿戴硬件底牌冲击个人计算入口，同时面临多重竞争。

Meta介绍了一款名为"组织第二大脑"的AI智能体设计思路，旨在捕获存储领域专家专业知识，架构结合结构化可审计知识与自改进闭环，无需重训模型即可更新，最初用于合规领域，可推广至多个领域。

本文介绍Meta FAIR与华盛顿大学合作的最新研究，针对传统大模型蒸馏Token候选空间大、存储成本高的痛点，提出字节级蒸馏方案，验证其可突破Token天花板提升模型能力上限。