搜索：协同强化学习

「协同强化学习」共找到 1840 篇相关文章

当SFT遇上RL：基于样本学习阶段的动态策略优化机制

在大模型推理能力增强研究中，SFT和RL两种后训练范式难有效融合。研究团队提出DYPO动态策略优化方法，先判断样本学习阶段再匹配优化路径，在多场景实验中表现出色，不过有实验边界。

LSTM之父Jürgen Schmidhuber替学生Sepp Hochreiter发声，称残差学习30年前已诞生，1991年Sepp就用循环残差连接解决梯度消失问题，为残差思想奠基。他觉得将成果全归何恺明团队有失偏颇。

边缘 - 云协同计算整合边缘节点和云端资源，解决传统云计算问题。最新综述论文系统梳理其架构设计、模型优化等方面，提出统一框架，还指明未来研究方向，如大语言模型部署、6G整合等。

大模型时代，金融智能投顾落地是技术与业务安全的双重挑战。北银金科高级算法专家尹辰轩表示采用“大小模型协同”架构，能在性能、准确性与合规间找平衡，还阐述了架构亮点、问题解决办法等。

UC Berkeley团队提出新训练方法Intuitor，大模型无需接触真实答案，仅优化自身信心就能学会复杂推理。该方法无需外部奖励信号或标注数据，用模型自身置信程度作内在奖励信号，在多任务表现良好。

多模态大模型驱动的GUI智能体有潜力，但现有智能体面对复杂任务力不从心。浙大等机构提出InfiGUI-R1及Actor2Reasoner框架，通过两阶段训练提升智能体能力，InfiGUI-R1-3B在多基准测试中性能卓越，为GUI自动化工具开辟新道路。

上海交通大学团队发布首个「类人脑」大模型 BriLLM，脱离传统 Transformer 架构限制。它基于 SiFu 学习机制，有可解释性、能无限处理上下文等优势，还支持多模态融合，已获交大重点项目资助。

英伟达推出DreamGen项目，让机器人‘做梦学习’。它利用视频世界模型生成神经轨迹，仅少量现实视频就能让机器人学会新任务，实现从0泛化，还将助力GR00T - Dreams发展。

在 AICon 全球人工智能开发与应用大会·上海站（2025）现场，网易有道孟旭以有道 AI 答疑笔为例，分享智能学习硬件变革逻辑，指出其进化是用户需求、硬件创新与 AI 技术螺旋推进，还探讨大模型应用及未来方向。

长三角洲AI实验室、中科院、理想汽车等找到大语言模型硬件协同设计寻优之路，在相同延迟下降低端侧模型困惑度，压缩模型架构挑选时间。研究揭示缩放定律，打造硬件感知建模框架，找到精度与延迟最优解。