标签：强化学习
人机协同筛出2600万条数据，七项基准全部SOTA，昆仑万维开源奖励模型再迎新突破
大语言模型（LLM）的生成能力虽然强大，但其输出是否符合人类偏好需要依赖奖励模型（Reward Model, RM）的精准评判。奖励模型在大模型训练中扮演着关键角色，...
RL缩放王炸！DeepSWE开源AI Agent登顶榜首，训练方法、权重大公开
著名大模型训练平台Together.ai与Agentica联合开源了创新的AI Agent框架DeepSWE。该框架基于阿里最新开源的Qwen3-32B模型，完全通过强化学习训练而成。DeepSW...
强化学习也能预训练？效果可提升20倍，华人新作引爆RL新范式!
大规模预训练和微调的模式在机器学习领域取得了显著成功，但在强化学习（RL）中的应用仍面临挑战。强化学习需要对时间和意图进行推理，传统方法在处理长时间...
Kimi Researcher团队自述：Agent不是缝合怪，它就是模型（附内测名额）
月之暗面（Moonshot AI）推出了其首个AI Agent产品——Kimi Researcher，该产品定位为一个能够生成带引用来源的深度研究报告的AI Agent，而不仅仅是一个简单的...
重磅！淘天联合爱橙开源强化学习训练框架ROLL，高效支持十亿到千亿参数大模型训练
过去几年，基于人类偏好的强化学习（RLHF）成为大语言模型（LLM）后训练阶段的关键技术，显著提升了模型的对齐能力，并拓展了其在推理增强、智能体交互等场景...
从RLHF、PPO到GRPO再训练推理模型，这是你需要的强化学习入门指南
强化学习已成为大型语言模型（LLM）技术栈的核心组成部分，其应用范围从模型对齐、推理训练扩展到新兴的智能体强化学习（Agentic RL）。Unsloth团队近期发布...
00后投身具身智能创业，剑指机器人界「Model 3」！已推出21个自由度灵巧手
灵初智能最新推出的自研灵巧手具备21个自由度，远超市面上常见的6自由度抓取器，支持16主动自由度，能够完成夹持、旋转、精准插拔等精细操作。这一技术突破在...
5年白领下岗，AGI靠RL一飞冲天？网友：这是让狗学会打麻将！
Claude 4核心成员Sholto Douglas和Trenton Bricken在播客节目中提出，仅依靠强化学习（RL）和数据收集就足以在5年内实现通用人工智能（AGI），并自动化白领工...
推荐大模型来了？OneRec论文解读：端到端训练如何同时吃掉效果与成本
推荐系统正经历由大型语言模型（LLM）驱动的范式变革。传统级联架构因算力碎片化、目标冲突等问题面临瓶颈，而快手提出的端到端生成式系统OneRec通过整合Enco...
北大卢宗青：现阶段世界模型和 VLA 都不触及本质｜具身先锋十人谈
卢宗青是一位具身智能领域的创业者，拥有深厚的学术背景和实践经验。他曾在北京大学担任计算机学院长聘副教授，并负责过多个国家级科研项目。他的研究领域从...
