「带可验证奖励的强化学习」共找到 1626 篇相关文章
Meta这两篇最新Agent Learning论文，有些意思！
分享Meta SuperLabs两篇Agent Learning论文，从‘如何低成本获得高质量经验’出发，形成技术链，为语言智能体进入‘规模化RL时代’提供路线图，还分析了Agent RL问题及两论文成果、对比。
赛力斯上市，可能是“脱离华为”的关键一步｜甲子光年
2025年11月5日，赛力斯在港交所挂牌上市，募资净额140.16亿港元。赛力斯上市旨在强化单独造车能力，70%募资用于研发。其魔方技术平台待完善，赛力斯居安思危，或为脱离华为做准备。
谷歌首次曝光太空AI计划：要建“AI版星链”，AGI的终极基础设施？
谷歌曝光Project Suncatcher计划，要构建太空AI计算集群。此设想是部署卫星星座建“太空数据中心”。虽面临诸多挑战，但从物理学和经济可行性看并非遥不可及，谷歌已发表相关预印本论文。
论文秒变PPT！西湖大学AGI Lab推出Auto-Slides，科研汇报难度骤降
西湖大学AGI Lab推出Auto - Slides，输入论文PDF可自动生成演示文稿，支持自然语言交互修改。它采用多智能体协作框架，经实验验证优势明显，有望用于学术会议等场景，助力知识传递。
Meta裁员后续：田渊栋被过河拆桥，姚顺雨等集体「抢人」
Meta在人工智能部门裁减约600个职位，田渊栋团队被裁，原因众说纷纭。此次裁员或为强化Alexandr Wang核心地位，也反映Meta内部研究架构混乱。同时，引发AI公司“抢人大战”。
Meta「透视」AI思维链：CRV推理诊断，准确率达 92%！
Meta FAIR团队在论文中提出CRV方法，可实时观察AI思维过程。它通过改造模型大脑结构，让推理可见。在算术推理实验中，检测精度提升到92.47%，还能让模型修正错误。不过该技术落地尚面临诸多挑战。
清华万引教授：万倍加速催化剂设计，AI突破DFT瓶颈！
清华大学王笑楠团队提出催化剂设计新基础模型SurFF，发表于Nature Computational Science。它无需昂贵实验或耗时DFT计算，实现对金属间化合物表面暴露与形貌的高效、高精度预测，计算速度提升10⁵倍。
OpenAI×英伟达，可能创造了人类史上最大万亿级泡沫
短短两周内，OpenAI、英伟达等企业间巨额投资与合作掀起资本风暴。资金循环流动形成封闭回路，看似产业协同，实则暗藏泡沫风险，引发业内对其是技术发展还是泡沫的争议。
听说，大家都在梭后训练？最佳指南来了
大模型时代，Scaling Law 边际效益递减，业界转向后训练。《Post-training 101》博客可助初学者入门，涵盖从预训练到指令微调、SFT 原理、多种强化学习技术及模型评测方法等内容。
一个让 AI 智能体（AI Agent）工作更出色的绝妙方法，简单到令人惊讶：只要给它们设定一个人格
论文揭示无需复杂重新训练就能引导AI行为，提出MBTI-in-Thoughts框架，在提示词里让大语言模型扮演特定MBTI人格，其行为会改变，还经测试验证，有广泛应用前景。