分類： 強化學習
- 重磅！DeepSeek 正式發佈 2 個模型
- 美空軍在高階兵棋推演中整合人工智慧
- 什麼？RLVR 竟然不是在學習新知識？而是在學習如何使用知識進行推理！
- 強化學習（RL）記憶更牢固，監督微調（SFT）更容易遺忘？普林斯頓陳丹琦團隊改寫後訓練認知
- 小紅書提出DeepEyesV2，從「看圖思考」到「工具協同」，探索多模態智能新維度
- 微軟提出GAD框架：開源模型也能直接蒸餾黑盒GPT-5
- 強化學習+大模型記憶：Mem-α，讓智能體第一次學會「如何記憶」
- 上海交大博士最新思辨：僅用兩個問題闡明強化學習
- Meta 這兩篇最新的智能體學習 (Agent Learning) 論文，有些意思！
- 錯越多學越快！「軌跡重寫」技術讓 AI 智能體從失敗中創造完美經驗！
- 捨棄人工標註！華人團隊提出多模態大模型自我演化演算法
- 首個多輪LLM路由器問世：Router-R1讓大型模型學會「思考–路由–聚合」
- 普林斯頓陳丹琦組新作：RLHF難支撐，RLVR有邊界？RLMT開闢第三條路
- Agentic Coding表現創新高，全新KAT系列模型強力稱霸SWE-Bench
- 大模型訓練新突破！Meta提出LSP：無數據也能實現能力飛升
- 微軟提出 GRPO-RoC：軌跡品質過濾是代理式強化學習的關鍵
- 破除大型語言模型強化學習訓練中的「熵」詛咒，讓模型學會穩定成長！
- 史丹佛提出新強化學習範式，讓3B模型智能體超越Claude、GPT-4
- 字節 Seed 提出 TreePO：以樹狀結構節省近半 GPU 成本，同時維持更穩定的性能
- 微軟提出rStar2-Agent：「更聰明地思考」遠比單純地「更長時間地思考」更有效率、更高效
- 橫掃數學榜的LLM，卻忘了如何聊天？CMU等揭示SFT與RL的驚人差異！
- 強化學習框架的演進與發展趨勢
- ARPO：智能體強化策略優化，讓Agent在關鍵時刻多探索一步
- RAG 革新！Graph-R1：首個由強化學習驅動的圖推理代理
- 回顧Qwen3廢棄的混合推理模式