- 博客(194)
- 收藏
- 关注
RSS订阅原创 别再让计算等着搬权重了！KTransformers 让 CPU 直接参与 MoE 微调计算
KTransformers-FineTune（KT-FT）由清华大学MADSys实验室与趋境科技联合提出，针对大模型微调中显存不足与效率低下的问题，创新性地采用CPU/GPU协同计算范式，将专家计算迁移至CPU，突破传统“权重搬运”瓶颈。通过语义感知布局引擎与动态线程调度优化，实现在单卡下微调吞吐提升2.5～21.2倍，并支持多平台、低成本部署。进一步提出的LoRA Expert设计，利用剩余显存增强热门专家训练，显著加速质量收敛。项目全面开源，推动前沿模型在资源受限场景下的高效适配与应用。
2026-10-27 17:26:17
198
原创 我们可能一直都低估了小模型！Select to Think：也许选择比生成更重要
LLM 更好的选择，很多时候已经存在于 SLM 自己的候选空间里。Select to Think 因此把复杂的生成模仿转化为更容易学习的局部选择，并进一步把这种能力蒸馏回 SLM 自身。
2026-10-15 08:02:06
274
原创 ICML 2026｜让 Agent 真正和谐作战：GoS 为多智能体推理构建共享信念状态
近年来，大语言模型在数学、代码等任务上的表现不断刷新上限，但到了医疗诊断、故障排查这类真实世界任务里，真正困难的是让多个智能体在不确定的动态环境中持续协作推理。 以医疗诊断为例，主治医生不可能一开始就让病人把所有检查都做一遍，而是要根据当前诊断方向，动态安排影像科、检验科等不同
2026-07-03 12:27:01
386
原创 ICML 2026 | 一段视频，同时听懂四道命令！OmniShow把多模态可控视频生成整合成统一「调音台」
OmniShow：统一框架下的多模态可控视频生成 OmniShow提出了一种端到端模型，能够同时处理文本、参考图像、音频和姿态四类条件输入，实现精准协同控制。通过复用视觉通道原生接口、门控局部注意力对齐音频，并采用分阶段训练策略，模型在12.3B参数量下高效整合多模态信号。实验表明，其在身份一致性、音画同步和动作控制等任务上超越级联方案，尤其在复杂场景（如电商口播）中优势显著。统一框架还支持条件自由组合，为数字人、内容创作等场景提供灵活工具。该工作获ICML 2026接收，核心在于将多模态协同视为系统工程，
2026-07-02 00:12:33
356
原创 就从来没人质疑过 OPD 的 reward 设计吗？我们发现了 log 本身就是问题，也许就不该用！
本文提出PowerOPD方法，解决大模型后训练中On-Policy Distillation（OPD）存在的训练不稳定问题。研究发现传统采样token OPD使用无界对数概率比作为奖励信号，导致低概率token产生极端梯度，引发训练初期准确率下降、生成长度震荡等问题。通过将奖励函数中的对数替换为有界的Box-Cox幂变换，PowerOPD实现了：1）训练稳定性提升（梯度范数降低3000倍）；2）性能超越vanilla OPD（最高提升+6.37准确率）和full-vocab OPD（最高+2.59准确率）；
2026-06-28 11:14:28
374
原创 ACL 2026｜SFT 为何总是学习失败？也不是所有 SFT 失败都该加 epoch！教你修复 SFT 的五把「手术刀」
本文针对大语言模型监督微调（SFT）中的"学不会"问题，提出了系统性解决方案。研究发现，SFT训练中平均15.3%的样本存在未学习现象，传统"增加训练轮次"方法效率低下（仅提升1-2%）。作者提出五类根因及对应干预策略：（1）知识缺失型采用持续预训练（CPT）知识增强，提升8-17%；（2）知识冲突型通过CPT校准纠正错误先验；（3）数据矛盾型采用动态分桶隔离冲突样本；（4）训练遗忘型通过全局打乱和动态重采样缓解；（5）优化不足型采用渐进式epoch分配。实验表明，这些策略在医疗、法律等领域显著提升模型性能
2026-06-18 12:11:51
261
原创 从 LLM 的局限到世界模型：LeWorldModel 为何更接近 AI 的第一性原理？
本文探讨了大语言模型（LLM）与世界模型（WM）的核心差异与未来发展路径。作者指出，尽管LLM在知识压缩、文本生成等任务上表现出色，但其本质缺陷在于缺乏真实世界经验、因果推理能力和稳定的内部世界模型。而杨立昆团队提出的LeWorldModel展示了一种新思路——通过构建能够仿真、规划与决策的世界模型，实现更高效的AI推理与行动。文章对比了两者在知识来源、内在表征和核心能力等方面的本质区别，认为世界模型可能为AI发展提供超越规模扩张的替代路径。
2026-06-16 22:44:52
371
原创 [特殊字符]什么？SFT、DAgger、离线 RL 和 OPD，竟然是同一张 2×2 表格上的四个格子！
本文探讨了推理模型后训练中的蒸馏与强化学习（RL）结合的两大范式——off-policy蒸馏和on-policy蒸馏（OPD），揭示了它们背后的耦合设计维度，并提出解耦框架。研究发现，两种范式分别隐式绑定了prefix来源（教师/学生轨迹）和KL方向（forward/reverse），解耦后形成四种训练方法，对应SFT、DAgger、离线RL和OPD。实验发现reverse KL在精度上优势明显，但会导致熵崩塌和生成长度膨胀；而forward KL能保持多样性但精度受限。基于此，团队提出两种实用方法：KL混
2026-06-14 21:24:39
408
原创 直播预告！从 MLA 到 GQLA：无需从头训练，硬件自适应高效注意力机制
【摘要】北京大学博士孟繁续提出新型注意力机制GQLA，可在GQA与MQA间动态切换，使预训练模型无需重训即适配不同硬件（如H100/H20显卡），实现最优推理效率。相比DeepSeek的MLA方案，GQLA针对计算瓶颈显卡优化计算量，旗舰卡则减少KV缓存。6月16日青稞Talk将详解其核心架构、硬件自适应部署及零成本转换技术，分享TransGQLA等创新成果。孟繁续曾发表7篇顶会论文，其TransMLA和PiSSA成果已被工业界广泛采用。
2026-06-14 15:34:29
257
原创 清华最新提出全新 VLM 架构 DPA：让多模态大模型先“对齐”，再“理解”！
摘要： 视觉语言模型（VLMs）主流架构将视觉特征直接投影至大语言模型（LLM），但存在模态对齐不足的问题。研究团队提出**深度预对齐（DPA）**架构，通过前置小型视觉语言模型（perceiver VLM），将视觉特征主动对齐到LLM的文本表示空间，再输入目标LLM。实验表明，DPA在11个基准上显著提升多模态性能（平均+1.9~+3.6分），同时缓解文本能力遗忘（减少21.6%~32.9%），且推理开销仅增加约2%。DPA的关键在于利用语言先验实现视觉-文本深度对齐，释放LLM的深层推理能力，而无需改变
2026-06-12 19:30:32
349
原创 还在用 2D 空间训具身？南洋理工 MMLab 提出 4D 具身世界模拟器，构建虚拟与现实的时空桥梁！
南洋理工大学MMLab团队提出Kinema4D，一种全新的4D生成式具身模拟器，突破传统模拟器在视觉真实感和物理规则上的限制。Kinema4D通过"控制与环境解耦"思路，精确建模机器人4D操作轨迹和环境响应，在零样本泛化能力上展现优势。团队构建了大规模数据集Robo4D-200k，并通过实验验证Kinema4D在视频生成质量、几何质量和策略评估方面的优异表现。该研究为具身智能的高保真、规模化训练开辟了新路径。
2026-06-12 16:17:17
389
原创 音频编辑模型全军覆没！多机构联合发布MMAE：首个通用音频编辑测评基准
MMAE：面向通用指令式音频编辑的大规模多任务评测基准 音频编辑正面临从传统单点处理向自然语言驱动的通用编辑转型，但缺乏全面可靠的评测基础设施。为此，研究团队提出MMAE基准，系统覆盖Sound、Music、Speech等7种音频模态，构建了包含6级复杂度和8类编辑操作的任务分类体系。其核心创新在于：1）采用rubric-based评估方法，将开放式任务拆解为可验证的原子指标；2）设立Instruction Following和Context Consistency双轴评测，分别衡量指令执行准确性和上下文保
2026-06-11 23:08:16
350
原创 视觉 FLOPs 减半！清华最新成果 LLaVA-UHD v4，突破高分辨率多模态大模型的视觉编码效率瓶颈
本文提出LLaVA-UHD v4模型，针对多模态大语言模型中高分辨率图像输入导致的视觉编码计算瓶颈问题，创新性地采用切片编码和视觉编码器内部早期压缩策略。相比传统全局编码和视觉编码器后压缩范式，该方法将视觉编码计算量降低55.75%，同时保持或略优于基线性能。通过结构化压缩模块和参数复用初始化等技术，在降低token数量的同时有效保留视觉信息。实验表明，该方法在不同数据规模下均能稳定提升效率，为高分辨率多模态模型提供了更高效的设计方案。
2026-06-10 22:06:56
405
原创 给 Agent RL 加个“事后复盘”：StepOPSD 让模型精准找到“哪一步走错了”？
StepOPSD：一种面向多轮Agent强化学习的步感知在线偏好蒸馏方法 本文提出StepOPSD方法，解决多轮Agent强化学习中因全局轨迹学习导致的错误定位不准问题。传统方法要么依赖稀疏的终端奖励信号，要么将整条轨迹作为普通文本进行蒸馏，无法区分关键决策步骤。StepOPSD在GRPO算法基础上，通过三个核心设计实现精准的步级信用分配：(1)仅抽取模型可控的action步骤；(2)利用同批次成功轨迹作为教师信号；(3)保持RL方向不变，通过乘性权重调整优势函数。实验表明，该方法在ALFWorld的Hea
2026-06-05 21:51:05
379
原创 直播预告！从 ARPO，到 AEPO，再到 Agent-World：探索通用智能体训练的可行路径
摘要： 6月6日，中国人民大学博士生董冠霆将在青稞Talk分享通用智能体训练的前沿研究。内容涵盖三部分： ARPO：针对多轮交互型LLM智能体的强化学习方法，通过分支采样优化工具调用，显著提升任务性能（如GAIA数据集Pass@5达61.2%）。 AEPO：改进的熵平衡策略，解决训练稳定性问题，在14个基准上优于主流算法，如HLE任务Pass@5提升至26.0%。 Agent-World：首创智能体与环境协同进化框架，通过合成环境与持续学习提升泛化能力。 董冠霆在通用智能体领域成果丰硕，本次分享将探讨从单环
2026-06-03 17:04:42
377
原创 直播预告｜从 MiniLLM 开始，为什么 OPD 正在成为推理模型时代的“基础设施”？
摘要：On-Policy Distillation（OPD）已成为大模型后训练领域的热点话题。最新研究发现，学生模型不仅能模仿教师模型，还能通过On-policy数据、与强化学习的融合以及自我优化（Self-Play/Refine/Distillation）持续提升能力，推动大模型从"预测器"向"学习系统"演进。5月30日，青稞社区将举办OPD专题AMA，邀请傅宇千、Tianzhu等6位青年科学家，探讨OPD爆火原因、学生模型超越教师的可能性、RL与蒸馏的边界模糊等前沿问题，揭示技术演化背后的深层逻辑。（1
2026-05-27 21:39:48
293
原创 长文本推理一定要改架构？阿里最新提出 RTPurbo：仅需百步训练，无损达到 97%+ 稀疏度与 9 倍加速
RTPurbo：基于原生稀疏性的高效大语言模型推理优化 摘要： 本文提出RTPurbo，一种通过轻量级微调激活大语言模型原生稀疏特性的高效推理优化方案。研究发现，经过Full Attention训练的模型在Head和Token级别已具备高度稀疏性：仅15%的Attention Head承担长程检索功能，且低频RoPE编码可构建极低维检索空间。RTPurbo通过离线Head校准、动态稀疏注意力机制和两阶段轻量化训练（仅需600步），在保持原始模型能力的同时实现9.36倍Prefill加速和2.01倍Decod
2026-05-26 08:01:52
430
原创 清华最新论文！动态 MoE 迁移算法 ZEDA：让 MoE 自己学会“摸鱼“，推理提速 20%
本文提出ZEDA方法，通过注入零专家和自蒸馏训练，将已训练好的MoE模型低成本迁移为动态MoE模型。核心创新包括：1）引入零专家作为跳过计算的选项；2）采用SFT+OPD两阶段自蒸馏适应新结构；3）设计分组辅助损失控制计算节省比例。实验表明，该方法能在跳过约50%专家计算的情况下，保持模型在数学推理、代码生成和指令遵循等任务上的性能仅小幅下降。相比直接修改路由或裁剪专家，ZEDA提供了一种更温和高效的MoE推理加速方案。
2026-05-21 08:37:21
439
原创 ICLR 2026｜Next-ToBE：让“自信而短视“的大模型看得更远、推理更准
华东师范大学与复旦大学团队在ICLR 2026论文《Next-ToBE》中提出了一种创新的大语言模型训练方法。研究发现，当前模型预测分布中已隐含未来token信息，但标准next-token训练目标未能充分利用这一前瞻能力。Next-ToBE通过将单点one-hot标签扩展为覆盖未来窗口的软目标分布，在不改变模型结构的情况下激活了模型的潜在前瞻能力。实验表明，该方法在数学推理、代码生成等任务上显著提升性能，同时训练开销更低（显存最多减少68%）。这项工作揭示了调整训练目标而非增加模型复杂度来提升长程规划能力
2026-05-19 10:28:23
458
原创 ACL 2026 Findings | 浙大提出 GFT：On-Policy SFT 视角下的奖励微调
SFT到底在优化什么？它为什么会削弱后续RL的探索空间？有没有一种后训练方式，既保留SFT的知识注入效率，又能像RL一样利用奖励和比较信号？
2026-05-18 16:37:50
432
原创 直播预告！面向几何与运动理解的流式前馈 3D/4D 重建
三维/四维重建技术正迎来从全局优化到前馈式架构的范式变革。5月19日晚8点，南洋理工大学博士生罗奕航将在青稞Talk分享两项突破性成果：STream3R采用因果Transformer实现流式3D重建，通过序列配准解决长序列内存效率问题；4RC提出"一次编码，随时查询"框架，统一建模4D几何与运动。两项工作分别发表于CVPR 2024和ICLR 2024，展示了前馈式架构在时空建模中的优势。直播将解析技术脉络并开放问答。
2026-05-17 21:06:34
402
原创 OPD 到底在优化什么？周六上午10点，一起聊聊其中的三类典型失败以及修复路径
摘要：On-Policy Distillation（OPD）是大模型后训练中的常用方法，但研究发现其sampled-token实现存在稳定性问题，可能导致模型性能下降。5月16日，自动化所博士生傅宇千将在青稞Talk直播中解析OPD的优化目标、常见陷阱及改进方案，提出TeacherTop-K等更稳定的实现路径。分享将探讨OPD的三类典型失败模式及其修复方法，并分析后训练中的关键问题。直播可通过青稞AI视频号观看。
2026-05-15 00:04:52
302
原创 和翁家翌（OpenAI）一样的idea！如何让 AI 全自动刷榜——可能的下一个强化学习范式
摘要 本文提出AutoTTS框架，通过LLM驱动的自动搜索范式革新传统TTS方法设计。研究发现，过去看似不同的TTS方法实质是同一参数空间的手动调节，而AutoTTS通过三个关键创新实现自动化搜索：(1) 离线replay环境将评估成本降至40美元；(2) β参数化将搜索空间降至1维；(3) 执行轨迹反馈帮助LLM定位错误。实验表明，在Qwen3等模型上，AutoTTS搜索出的策略能以70%算力节省实现同等精度，或在部分场景提升6.3个精度点。该框架展现了将算法设计转化为环境设计的范式转变潜力。
2026-05-12 19:39:49
342
原创 OpenAI 翁家翌：“启发式学习”的强化学习新范式
本文探讨了一种名为Heuristic Learning（HL）的新范式，它通过代码而非神经网络权重来实现持续学习。传统神经网络面临灾难性遗忘问题，而HL利用coding agent维护可迭代的软件系统（Heuristic System），将策略、状态、反馈等显式编码。这种方法具有可解释性、样本效率高、可回归测试等优势，并能通过模块化和工程化手段缓解遗忘问题。文章以Atari游戏和机器人控制任务为例，展示了纯代码策略能达到与深度强化学习相当的水平。作者指出，HL的核心在于降低启发式规则的维护成本，使过去因人力
2026-05-11 19:28:57
473
原创 直播预告！下周二晚8点，一起聊聊大模型强化学习的 Scaling Law
摘要：中国科学技术大学与上海人工智能实验室联合研究团队针对大模型强化学习（RL）后训练阶段的资源优化问题展开系统性研究，提出三组约束优化问题，揭示了模型性能与参数量、计算量和数据量之间的幂律关系。研究发现：①RL后训练效果遵循统一幂律公式；②学习效率随模型规模增长趋于饱和；③高质量数据总量比样本独特性更关键。该成果已被ACL 2026收录，相关代码已开源。5月12日青稞Talk将直播分享这项关于大模型RL Scaling Law的研究发现。（149字）
2026-05-10 11:54:34
388
原创 干货！什么是 Harness Engineering？运转原理又是怎样的？
摘要：Harness Engineering——LLM的"操作系统" 全球AI团队正聚焦Harness Engineering，因其作为LLM的"操作系统"直接影响模型表现。实验证明，改进Harness可使同一模型排名从30+跃升至第5。Harness包含11个核心组件：工具调用、分层记忆（短期/中期/长期）、安全护栏、验证反馈及子Agent编排等。典型案例显示，Claude Code通过工具管控、记忆压缩和多Agent协作实现复杂任务处理。未来趋势是Harness能
2026-05-09 23:27:52
454
原创 ACL 2026｜告别昂贵的知识图谱：ZoomRAG 让 RAG 像地图一样“缩放“
完全不建知识图谱，只用最便宜的命名实体识别(NER）搭两层不同粒度的关系图，让带重启的随机游走像双指缩放地图一样——先在一张全局粗粒度图上锁定少量相关文档，再在这些文档内部的细粒度局部图上精准定位证据块，从而系统地激活RAG的\x26quot;先粗后细\x26quot;能力。
2026-05-09 22:11:58
541
原创 直播预告！和SGLang核心开发者一起聊聊 DeepSeek V4 模型在 SGLang 中的系统级优化与全栈适配
摘要： DeepSeek-V4以1.6万亿参数和百万级上下文窗口的配置引发行业关注，其混合稀疏注意力（CSA+HCA）和FP4专家权重等创新架构带来巨大挑战。SGLang团队在发布当日即完成对DeepSeek-V4的全面支持，通过"ShadowRadix"技术实现异构注意力的高效缓存，并集成FlashInfer TRTLLM-Gen等优化算子，显著提升性能。5月9日，SGLang核心开发者张柏舟将分享DeepSeek-V4在SGLang中的系统级优化实践，包括ShadowRadix设计、
2026-05-06 18:28:44
466
原创 直播预告！从 TTRL 到 URLVR：探讨一下大模型的无监督强化学习还能走多远？ 原创 已修改
《无监督强化学习：大模型进化的新范式》摘要： 清华大学博士生何秉翔将于4月27日分享大模型无监督强化学习(URLVR)前沿进展。随着人工标注成本激增，无监督RLVR技术正成为突破模型能力天花板的关键路径。讲座将剖析内在/外在奖励机制的本质矛盾，探讨置信度陷阱等核心挑战，并展望超级智能时代模型自进化的可能性。本次分享将呈现从TTRL到URLVR的技术演进图谱，揭示无监督学习如何推动大模型突破现有范式限制。
2026-04-24 07:43:15
65
原创 大佬云集！本周日一起聊聊CUA的ChatGPT时刻
摘要： 青稞社区将于4月19日举办「ICLR2026 CUA Workshop」线上活动，旨在促进CUA领域的深度交流与传播。活动通过视频号“青稞AI”和B站直播间直播，为无法亲临现场的学者提供参与机会，强调研究应超越论文与代码，通过互动传递价值。详情可关注B站直播间（附链接）。 （字数：98）
2026-04-15 21:44:13
43
原创 从最基础的模型出发，深度剖析高性能 VLA 的设计空间
摘要： 随着视觉-语言-动作模型（VLA）在机器人策略学习中的潜力显现，当前研究却因架构混乱与评估标准不一而陷入“原始汤”困境。为此，南洋理工大学团队提出VLANeXt框架，通过12条设计准则系统梳理VLA核心架构，并在统一基准下验证性能。4月14日，博士生伍晓鸣将直播分享VLANeXt的设计逻辑、真机部署效果及关键准则解析，为VLA研究提供标准化参考。 关键点： 研究现状：VLA领域缺乏统一架构，性能对比困难； 解决方案：VLANeXt提出12条设计准则，建立系统化评估体系； 分享内容：涵盖模型设计、部署
2026-04-11 22:46:17
251
原创 周六上午10点！一起聊聊 Qwen Pilot 最新成果 FIPO：KL 散度打破大模型复杂推理瓶颈
Qwen Pilot团队研究发现强化学习(RL)在提升大语言模型推理能力中存在三个反直觉现象：RL调整极稀疏，仅影响2%的生成步骤；优化方向比幅度更重要；模型常因过度反思推翻正确结论。团队提出FIPO算法，通过引入Future-KL散度实现token级奖励分配，使Qwen2.5-32B的推理链长度从4,000扩展至10,000+ token，在AIME 2024测试中准确率达58.0%。达特茅斯学院博士生马驰宇将于4月11日直播分享相关研究成果。
2026-04-08 01:07:41
493
原创 Claude Code 源码深度解析：运行机制与 Memory 模块详解
本文对Claude Code CLI工具的源码进行了深度解析，重点分析其核心运行机制和Memory模块设计。文章首先介绍了Claude Code作为Anthropic开发的命令行AI编程助手的技术栈（Bun/TypeScript/Commander.js等）和项目结构。随后详细阐述了其核心运行流程：从用户输入开始，通过QueryEngine管理对话状态，进入queryLoop()核心循环处理消息准备、API调用、工具执行等关键环节。特别关注了Memory系统的实现，包括对话历史管理、上下文压缩（Snip C
2026-04-05 21:28:58
1247
原创 ICLR‘26 Oral | 当 LLM Agent 在多轮推理中迷失时：T3 如何让强化学习重新学会主动推理
摘要：随着大语言模型从单轮问答转向持续交互应用，主动推理能力成为
2026-04-04 20:17:45
612
原创 Claude Code 源码逆向工程与系统性分析！Harness Engineering: 基于 Claude Code 的完全指南
近 5 万字的claude code解析，55 张专业图表，基于扫描泄露的 Claude Code 50万行源码的系统性分析，帮助大家理解harness engineering。
2026-04-02 01:01:52
935
原创 从任意视角理解和生成世界！和 NTU 博后廖康，一起聊聊统一多模态空间智能大模型 Puffin
多模态空间智能不仅要求机器理解任意相机视角下的现实世界，更要求其具备从任意相机方位创造世界的能力。然而，当前的视觉与生成模型大多仅隐式地感知相机几何，或将理解与生成任务割裂开来。新加坡南洋理工大学、商汤科技、密西根大学和马普所的研究者们联手提出了一种全新的范式——将“相机几何”破译为一种“语言”，并引入“与相机共思”（Thinking with Camera）的理念。本篇工作已被收录为 ICLR 2026 高分论文！！！
2026-04-01 19:29:23
251
原创 大模型RL算法梳理：从全量词元到部分词元的路径演化
本文系统梳理了大语言模型强化学习(RL4LLM)的技术演进路径，划分为全量词元优化和部分词元优化两大方向。全量词元优化以GRPO为起点，经DAPO、GSPO到SAPO逐步提升训练稳定性；部分词元优化则聚焦关键词元，如Beyond the 80/20筛选高熵词元，STAPO精准剔除0.01%的虚假词元。研究表明，从"全量覆盖"到"精细筛选"的范式转变，能显著提升训练效率和推理连贯性。未来RL4LLM将朝着更精准的梯度分配方向发展。
2026-03-31 16:44:55
443
原创 下周二晚8点！一起聊聊 OpenClaw-RL：让你的龙虾在使用中自适应变强
OpenClaw-RL：对话式训练工业级智能体的强化学习框架 OpenClaw-RL是首个通过自然对话自动训练工业级智能体的强化学习库，实现了从交互中持续进化的能力。该框架采用全异步架构（Slime/Tinker），深度解耦应用、推理与训练模块，确保学习不影响响应速度。创新性地提出混合强化学习方法，结合二元奖励（提供覆盖度）和在线蒸馏（提供精确度），实验显示混合方法评分达0.81，显著优于单一方法。支持终端、GUI、软件工程等四大应用场景，通过集成奖励机制优化长时程任务。系统支持全栈自托管，兼顾隐私性与实用
2026-03-28 20:51:30
535
原创 真机RL成本太高？周六上午10点！一起聊聊 RISE：让机器人在世界模型的“想象”中自主进化
OpenDriveLab提出RISE框架，通过组合式世界模型实现机器人策略自主进化。该框架包含动力学模型和价值评估模块，使机器人能在"想象空间"中闭环更新策略，避免真实环境中的高成本试错。RISE突破了物理限制，为具身智能提供高效自我提升新范式。相关研究由CUHK博士生杨佳智领衔，将在3月28日青稞Talk第115期直播分享。
2026-03-26 11:51:18
299
原创 直播预告！从 Depth Scaling 到 Width Scaling，聊聊 WideSeek-R1：通过 MARL 探索大模型的广度扩展
清华大学与Infinigence AI团队提出"广度扩展"(Width Scaling)新范式，开发了基于多智能体强化学习的WideSeek-R1模型。该4B参数模型通过分层架构实现高效并发，在广度搜索任务上性能媲美671B参数的DeepSeek-R1，并显著超越同规模基线。中国科学技术大学少年班本科生徐哲轩将于3月24日晚8点在青稞Talk分享这一突破性研究，探讨从深度扩展到广度扩展的范式转变。
2026-03-22 22:13:30
107
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人