「RL强化学习」共找到 1637 篇相关文章
信通院&清华提出FedRE：用「纠缠」搞定联邦学习三难困境 | CVPR 26
联邦学习中兼顾模型性能、数据隐私和通信开销是挑战，尤其在模型异构场景。信通院和清华联合团队提出FedRE框架，能适配异构与同构场景，保证性能同时保护隐私、降低开销。
Anthropic融了250亿，却说：AI时代的学习，只剩下这3件事了。
Anthropic估值3500亿，融资超250亿后与哈佛、伯克利学生探讨AI时代学什么。指出AI是照妖镜，能区分混子与学霸，还介绍AI学习法，强调对抗舒适区用AI提升自己。
GPT-5≈o3.1！OpenAI首次详解思考机制：RL+预训练才是AGI正道
OpenAI研究副总裁Jerry Tworek在播客访谈中称，GPT-5类似o3.1。他详解模型推理过程，强调RL+预训练是AGI正道，肯定DeepSeek的GRPO算法，还分享自身经历及OpenAI工作结构。
零样本刷新三项基准：ZeroDiff++让AI边考试边学习 | TPAMI'26
本文介绍发表于IEEE TPAMI 2026的ZeroDiff++模型，是ICLR 2025 ZeroDiff的扩展工作，针对生成式零样本学习的虚假语义关联、分布脱节问题提出新框架，在三项主流基准刷新成绩
Z世代生存、学习与未来宣言！伯克利学霸预言课堂，用AI设计人生
本期OpenAI播客中，USC的Yabi和伯克利分校学生分享AI使用体验。谈及教授适应AI的教学转变、‘学习模式’特点、‘作弊’新定义，还大胆设想AI完成教育授课，人类导师培养社交技能。
AI 也有长久记忆了！谷歌Nested Learning让AI拥有持续学习的生命力
Google Research科学家研究直指AI领域难题，其论文《Nested Learning: The Illusion of Deep Learning Architectures》已提交NeurIPS 2025。Nested Learning打破认知框架，提出三大核心贡献，构建HOPE架构，性能优越，将改变终身学习应用领域。
Thinking Machine新研究刷屏！结合RL+微调优势，小模型训练更具性价比了
Thinking Machine新研究提出On - Policy Distillation方法，结合RL与微调优势。该方法让学生模型每步由教师模型指导，用KL散度评估分歧。实验表明其训练小模型性价比高，还能解决AI“灾难性遗忘”问题。
媲美DeepSeek！腾讯开源新版混元模型：AI Agent强化，超30种智能体指令
腾讯开源混元大模型最新版本Hunyuan - A13B，为专家混合模型，有800亿参数，130亿激活。支持快慢思考模式，针对AI Agent强化，设计超30种智能体指令。测试成绩超DeepSeek - R1等，架构和训练有优化。
Action Map Policy：从高维动作回归到像素分类，一种新的机器人操作学习范式
本文介绍美国东北大学博士生黄浩杰提出的全新机器人操作学习范式Action Map Policy（AMP），将高维三维机器人动作转化为二维图像空间的像素分类问题，性能和推理速度均显著优于现有主流基线方法。
缺数据也能拿SOTA？清华&上海AI Lab破解机器人RL两大瓶颈
现有机器人视觉 - 语言 - 动作（VLA）模型训练范式存在数据采集成本高、泛化能力不足等问题。清华和上海AI Lab团队提出SimpleVLA-RL，解决了VLA模型训练的核心瓶颈，在多基准测试中实现SoTA性能。