「奖励信号」共找到 374 篇相关文章
SmartSearch：奖励驱动query精炼，让Agent中的RAG会“改错”
现有LLM搜索Agent忽视‘如何提问’致答案易出错。SmartSearch提出‘过程奖励+查询精炼’双机制，让Agent学会‘写不好就改’，代码已开源。经实验，它在六数据集全面领先，各机制缺一不可。
加速突围！9款信号链芯片背后的“芯”趋势
在高端ADC/DAC领域曾被国际巨头长期垄断。2025年‘芯师爷 - 硬核芯年度评选活动’展示多款信号链芯片。国产芯片发展有高端突破、汽车电子爆发、全产业链延伸三条路径，但也面临参数提升、高端场景拓展及海外竞争挑战。
黑科技来了！无需联网，WIFI信号让你无处遁形！
WiFi DensePose利用WiFi信号，无需联网、摄像头和穿戴设备，通过分析信道状态信息扰动，实现人体姿态估计、生命体征监测和存在检测。它有多种特性，适用于医疗、零售、工业等多场景。
无需奖励函数！我们意外构建了自我进化的AI系统
牛津大学发现LLM可通过“部署 - 验证 - 再训练”循环自我进化，绕开人工奖励函数设计瓶颈。在三个经典规划领域实验效果惊人，还在理论上证明其与强化学习的数学等价关系，有优势也有隐患。
快手&中科院 | 提出多模态奖励模型：R1-Reward，比SOTA模型提升5%-15%！
多模态奖励模型对提升多模态大语言模型表现至关重要，但现有强化学习算法用于训练存在问题。快手、中科院等团队提出 R1 - Reward，在基准上比 SOTA 提升 5% - 15%，还在快手业务场景成功应用。
TRM思考奖励模型上线，大模型推理质量终于能量化了 | ICML‘26 Oral
大模型推理评测多只看答案，忽略推理过程。上海多校团队提出TRM，用ME² principle刻画推理质量，DAG-based pairwise evaluation还原结构，训练奖励模型，让推理质量可度量、训练和优化。
一周休4天！老黄、盖茨站台，网友炸锅：是AI福利，还是裁员信号？
Fortune报道引发网友对3 - 4天工作制热议。Zoom CEO袁征、黄仁勋、比尔·盖茨等大佬认为AI或带来此转变，袁征觉得AI会自动化低价值工作，也有人认为是裁员信号。黄仁勋称未来更忙，且有岗位消失也有新机会。
无需准确传感信号！轻松搞定「多段软体机械臂」复杂位姿与形状控制
研究人员提出利用双向循环神经网络（biLSTM）的MSCA规划与控制策略，即便用不准确内部传感信号也能完成任务。实验显示该方法在多任务中表现优异，未来还将做进一步研究。
老黄自曝皮衣口袋藏“秘密期权池”！随时准备奖励员工，团队亿万富翁数量世界第一
黄仁勋在采访中透露随身带“秘密期权池”奖励员工，称团队亿万富翁数量世界第一。他还谈及人才市场、芯片分配、AI对就业和经济影响等，如认为收购公司不如付一人10亿，芯片分配先到先得等。
定位大模型「作弊」神经回路！新研究首次揭示：虚假奖励如何精准激活第18-20层记忆
此前学术界发现大模型用虚假奖励训练也能提升准确率，背后微观机制是黑盒。南科大等团队深度拆解，定位到关键记忆节点，发现‘困惑度悖论’，还能操控记忆，成果对评估、检测和去污染有意义。