搜索：过程奖励模型

「过程奖励模型」共找到 8063 篇相关文章

从实践到原则：为 AI Agent 构建的 Harness Engineering 落地与探索

生成式 AI 进入软件开发核心流程，但 AI 写代码速度超团队控复杂度能力。问题不在模型，而在软件工程系统。Harness Engineering 试图解决此问题，从三层面重新设计工程系统，已有公司实践。

本文整理自腾讯专家工程师揭光发演讲，介绍以高效方式管理 AI 如管理团队，探讨“AI 领导力”四大支柱。还分享 Vibe Coding、Vibe Working 应用，阐述 AI 对行业冲击及人才结构变化。

上海科技大学联合上海人工智能实验室对爆火的智能体OpenClaw做安全审计，在34个测试场景中，整体安全通过率58.9%，暴露出多方面问题，研究据此给出纵深防御策略。

俄亥俄州立大学与 Amazon Science 等联合发布 MMDR - Bench，将多模态 Deep Research 评估拉到可核验标准。它含 140 个专家任务，覆盖 19 领域，把评估拆成 3 段管线、12 指标，强调过程证据链。

清华大学THU-IDM团队与慕尼黑大学CompVis团队合作提出MoPPS框架，解决强化微调代价高问题。它精准挑题，预测难度，开销低、动态适应且平衡探索利用，在多任务表现佳，降本增效，有新范式。

大模型后训练阶段，SFT数据构建常依赖‘直觉’或‘试错’。上海人工智能实验室OpenDataLab团队发布报告，基于OpenDataArena提出新范式，将数据集构建从‘随机艺术’变为‘确定性工程’，并进行平台级验证。

两个月前Peter Steinberger搭建的项目，最初叫WhatsApp Relay，现获超10万GitHub星标、单周200万访问者。1月29日正式更名为OpenClaw，它是开源AI助手平台，此次发布新渠道、支持新模型等。

2026年初，印奇身兼千里科技与阶跃星辰董事长。千里科技转型后目标是让千里智驾上车量达百万辆，但面临市场反馈不佳、财务亏损等困局。他选择整合两家公司，借助阶跃星辰突围。

MoltBot（Clawdbot）爆火，其开发者分享20条AI哲学，涵盖心态、学习、闭环验证等方面，指出AI改变编程体验，强调系统性思维、prompt技能等重要性，还提及对未来程序员的影响。

字节跳动李航博士在JCST发表观点论文，提出涵盖软件和硬件智能体的通用框架。该框架以完成任务为目标，依赖LLM，用强化学习构建。文章还探讨了与大脑机制关联、未来研究方向等。