搜索：机器学习算法

「机器学习算法」共找到 1999 篇相关文章

AI修真的一年：学者们怎么看“真智能”？｜甲子光年

甲子光年在年终盛典对话三位学者，探讨AI“真假智能”。学者们提及强化学习、推理、多模态等技术突破，分析研究路径，还谈选择标准与未来期待，指出AI是工程实践命题，真与假关乎信念选择。

清华大学和蚂蚁技术研究院联合团队开源全异步强化学习训练系统 AReaL-boba²，坚持“全面开源、极速训练、深度可定制”理念，实现异步 RL 训练，训练速度最高提升 2.77 倍，支持多轮智能体强化学习训练。

7月7日，ICML 2026进入正会第一天。雷峰网精选首日上午9篇论文，涵盖持续学习、多模态融合等方向，如MePo让预训练模型学会持续学习，HAF解决模态不平衡下的融合问题，展现AI研究前沿趋势。

在灵巧手通用抓取研究中，传统强化学习面临挑战。北大及BeingBeyond团队提出DemoGrasp框架，以一次成功抓取演示轨迹为起点，通过编辑轨迹适应不同物体与姿态，提升学习效率和真机性能，实验效果出色。

2025年超60%公众号运营者发现，粉丝被算法收归平台。从2020年起，订阅号改成信息流展示，推荐流量占比最高达90%。这对小号是机遇，但也带来内容陷阱等问题，还重塑用户认知，平台也面临商业和生态的博弈。

MIT新论文提出，预训练模型周围存在大量“专家模型”，只需添加高斯噪声并集成，性能就能比肩甚至超越GRPO/PPO等调参算法。由此启发了RandOpt算法，经测试准确率不错，但也有依赖预训练等缺点。

英伟达团队提出ProRL训练法，将强化学习扩展到超2000步。用此方法训练的15亿参数模型媲美70亿参数的Deepseek - R1 - 7B，在多任务中表现出色，解决了熵崩溃和训练不稳定问题。

Claude 4核心成员对谈指出，强化学习在语言模型上奏效，可验证奖励的强化学习（RLVR）比RLHF更优，模型有望从「专才」向「通才」过渡，未来AI智能体将完成白领工作，人们应做好准备。

至简动力等提出数字孪生协同强化学习框架 TwinRL，可在真机高效执行在线强化学习。它用手机构建数字孪生，让机器人先探索再真机操作，20 分钟达 100%成功率，比现有方法快 30%，还降低人类干预。

谷歌发布TurboQuant算法，将缓存压到3 - bit，内存占用降为1/6，推理速度提升8倍。该算法冲击存储巨头，引发股价下跌，虽目前未改变采购量，但改写推理成本，且从论文到落地的路在缩短。