「AI强化学习」共找到 10539 篇相关文章
ACL 2026 | OPeRA Dataset: LLM真的能模仿人类行为了吗？首次系统评估LLM的人类行为模拟能力
美国东北大学等机构研究者提出OPeRA数据集，采集真实用户在线购物行为，支持系统评测LLM个体化行为预测能力。实验显示当前主流LLM在模拟人类行为上表现有限，揭示其能力边界。
硬核拆解 Hermes-Agent：自学习 Skill 机制的架构设计与实现原理。
文章围绕Hermes - Agent展开，指出多数Agent缺乏自学习能力，而它试图跨越这一鸿沟，能自动“写手册”（Skill）。介绍其架构、安装配置，通过代码审计任务演示自学习过程，并解析Skill机制，为生产级Agent提供新思路。
发 token 当工资？工程师不只拿现金和期权，开始按 token 分身价了
硅谷正用 token 吸引人才，国内也有类似趋势。AI 使用成本渐成人力成本关键，token 对应算力争夺，其价格上涨，大厂还想将 token 变成新价值单位，引发质疑。
最强开源搜索再升级，研究、预测能力实测超惊艳!
MiroMind团队发布新一代模型MiroThinker-1.7和MiroThinker-H1，定位为重型推理智能体。其研究能力强、推理可靠，还能生成网页报告。新版本升级显著，靠两项关键技术实现有效交互，且预测案例表现出色。
32岁程序员猝死引反思：应给“随时随地办公”设红线；内存条涨速超金条，100根可换上海一套房？DeepSeek工程师误点踩令程序员破防｜Q资讯
本文为AI行业资讯汇总，包含32岁程序员猝死反思‘隐形加班’、TikTok官宣美国方案、内存条价格飙涨、燧原科技IPO获受理等热点，还有OpenAI、Meta等公司近期动态，以及行业会议推荐。
四问智谱上市｜甲子光年
2026年1月8日，智谱AI在港交所上市。本文围绕其上市提出四问：是否为“中国OpenAI”、投资人押注点、商业模式健康度及“钱路”方向。指出它应卸下标签，回归技术与商业本质。
小扎忍痛，亲口宣告了元宇宙的死亡
扎克伯格的「元宇宙」执念向现实低头，Meta计划削减Reality Labs元宇宙部门人力，将资源倾斜至AI智能眼镜。此前Reality Labs四年亏超700亿美元，而智能眼镜销量火爆。
抛弃“级联”架构！快手OneRec用大模型重构推荐系统，服务成本降至1/10
传统级联式推荐架构有瓶颈，快手用OneRec重构推荐链路，服务成本降至1/10。文中介绍OneRec架构、Tokenizer方案、强化学习奖励设计，还提及优化及多模态联合训练方向。
美团杀入视频生成模型赛道，LongCat-Video 136亿参数媲美顶尖模型，效率提升10倍
美团LongCat团队发布LongCat - Video基础视频生成模型，有136亿参数量，多任务表现出色。它核心亮点多，还建立了数据处理流水线，采用特殊架构和训练方法，提升了生成效率，性能媲美顶尖模型。
RLHF与RLVR全都要，陈丹琦团队最新力作将推理能力拓展到通用智能
普林斯顿大学陈丹琦团队发布学术成果，提出基于模型奖励思维的强化学习（RLMT）方法，弥合专门推理与通用对话能力差距，将链式思维优势扩展到更广泛范围，提升整体对话表现。