强化学习相关 AI 资讯

模型精选73°10:15

Facet-0：机器人基础模型实现高精度装配

Facet-0 模型通过预测和评估接触后果，让机器人能完成高精度装配，成功率比最强基线高出 5 倍多。

#Facet-0 #机器人 #精密装配 #强化学习

arXiv cs.LG@Haoyuan Deng 等 9 人原文

论文73°10:12

SAGE框架：从VLM教师学习自主策略

SAGE框架让VLM只在关键时刻提供指导，大幅减少调用次数，学习到的策略甚至能超越VLM教师表现。

#SAGE #VLM #强化学习 #视觉语言模型

arXiv cs.LG@Matteo Merler 等 5 人原文

论文精选73°10:11

NashDreamer：零和博弈模型强化学习框架

斯坦福团队推出NashDreamer，解决零和博弈中的非平稳性问题，比无模型基线训练效率更高。

#NashDreamer #强化学习 #零和博弈 #多智能体

arXiv cs.LG@Tomáš Holeček, Viliam Lisý原文

论文精选73°09:37

ARISE-RL：基于强化学习的智能体自我进化框架

OpenAI新框架ARISE-RL用评分协同进化解决开放智能体训练难题，ECR-Bench基准测试验证效果。

#ARISE-RL #强化学习 #智能体 #ECR-Bench

arXiv cs.AI@Fanrui Zhang 等 16 人原文

技巧 Agent 与开发者05:43

用鸭子解释强化学习

Remi Fabre用鸭子动画解释强化学习，直观展示Microduck学习过程

#强化学习 #Microduck #Remi Fabre #机器学习

Thomas Wolf@Thom_Wolf原文

论文政策与合规精选73°11:23

TASPO解决智能体政策优化中的监督-信用差距

TASPO解决了智能体政策优化中的监督-信用差距问题，让特权信息只重新分配行动间的信用，不改变整体更新方向。

#TASPO #智能体 #GRPO #强化学习

arXiv cs.AI@Jingxiao Yang 等 6 人原文

论文78°11:22

大推理模型超越人类监督的扩展路径

这篇论文系统分析了大推理模型如何减少人类依赖，提出了五级发展阶梯和三种评估对象。

#LRM #推理模型 #强化学习 #GitHub

arXiv cs.AI@Zhiqin Yang 等 19 人原文

论文精选73°11:19

大语言模型自我建模评估与改进

研究者提出LLM自我建模评估基准，用合成数据提升模型自我认知能力，但不构成真正的内省。

#LLM #self-modeling #强化学习 #开源模型

arXiv cs.AI@Siqi Zeng 等 3 人原文

论文精选73°10:49

三步序列学习：对比强化学习中的动作块表示

这篇论文展示了对比强化学习通过动作块建模获得显著性能提升，揭示了动作块携带更多目标信息的新机制。

#对比强化学习 #动作块 #表示学习 #强化学习

arXiv cs.LG@Michal Korniak 等 5 人原文

论文精选73°10:44

PAC：LLM多任务强化学习的新课程方法

PAC方法解决了LLM多任务RL中任务分配问题，结合优势信号和实际奖励增益，提升训练效率。

#PAC #LLM #强化学习 #课程学习

arXiv cs.LG@Yuanqiang Yu 等 11 人原文

论文10:17

GMTS方法提升LLM推理训练效果

GMTS方法让LLM推理训练更高效，前20%标记选择比传统熵方法表现更好。

#GMTS #RLVR #LLM #推理模型

arXiv cs.AI@Outongyi Lv 等 3 人原文

论文精选73°09:15

AgenticRag-R1：基于栈内存的智能体强化学习框架

清华团队推出 AgenticRag-R1，解决多步推理中的检索适应性问题，比传统方法更聪明。

#AgenticRag-R1 #RAG #强化学习 #多步推理

arXiv cs.AI@Xinke Jiang 等 15 人原文

产品精选23:49

FireworksAI推出强化学习全流程平台

FireworksAI推出强化学习全流程平台，实现训练到推理闭环，适合大规模RL项目使用。

#FireworksAI #强化学习 #RL #AI平台

Fireworks AI@FireworksAI_HQ原文

论文精选73°11:43

Aero Hand Open：仿真就绪的肌腱驱动手

MIT发布了仿真就绪的肌腱驱动手Aero，包含完整训练包，无需微调即可部署。

#Aero Hand Open #肌腱驱动手 #强化学习 #拟人化手

arXiv cs.LG@Nan Wang 等 8 人原文

行业多源确认精选10:01

Hugging Face事件启示：可验证奖励的强化学习

OpenAI一年前提出的CoTs安全策略为何在Hugging Face事件中被忽视？

#OpenAI #Hugging Face #强化学习 #LLM

事件专题

Amjad Masad@amasad11 个信源在谈原文

技巧 Agent 与开发者精选73°09:35

工具集成数学推理的强化学习研究

OpenAI研究团队用计算器工具+强化学习，把数学推理准确率提升30个百分点，方法开源可复现。

#数学推理 #工具集成 #强化学习 #DAPO

arXiv cs.AI@Minghui Xu, Zi Wang原文

产品官方一手73°13:31

Hugging Face发布开源双足机器人Microduck

Hugging Face团队推出399美元开源双足机器人，支持强化学习训练，价格亲民且可自定义。

#Microduck #Hugging Face #Pollen Robotics #开源机器人

官方一手marktechpost@Michal Sutter原文

论文00:38

扩散策略用于机器人人群导航短程规划

CMU团队新方法PDPO让机器人能提前规划5步动作，在拥挤人群中导航成功率更高。

#PDPO #扩散策略 #人群导航 #机器人

arXiv cs.LG@Wendong Li, Jochen Garcke原文

产品73°21:14

Microduck机器人销售额突破100万美元

Pollen Robotics的Microduck开源机器人销量破百万，不到400元就能玩强化学习训练。

#Microduck #Pollen Robotics #开源机器人 #强化学习

Thomas Wolf@Thom_Wolf原文

产品73°21:00

开源双足机器人Microduck每秒售出2台

Pollen Robotics发布Microduck，不到400美元就能买到可训练的双足机器人，还能玩滑冰。

#Microduck #开源模型 #双足机器人 #强化学习

Thomas Wolf@Thom_Wolf原文

论文精选19:15

分位数时序差分学习有限样本分析

强化学习新论文，分析QTD算法的有限样本性能，揭示了波动与样本复杂度的关键区别。

#QTD #分布强化学习 #时序差分 #有限样本分析

arXiv cs.LG@Zijie Cheng 等 4 人原文

论文精选73°18:14

GRAIN框架通过不变性奖励强化学习提升图推理

MIT团队推出GRAIN框架，用单智能体解决图推理中的标识符和任务表述变化问题，比多智能体方案更快更准。

#GRAIN #图推理 #强化学习 #LLM

arXiv cs.AI@Zike Yuan 等 13 人原文

产品73°16:19

Hugging Face发布开源机器人Microduck

Hugging Face发了个399块的开源机器人，会走路拿东西还能自己站起来，还能学新动作。

#Hugging Face #Microduck #开源机器人 #强化学习

AI Will@FinanceYF5原文

行业21:20

高通Anshuman Saxena：基于SoC平台构建L3级解决方案

高通副总裁Anshuman Saxena透露，高通的骁龙8797至尊版已为各级别驾驶辅助解决方案做好准备，强化学习在辅助驾驶中的应用也备受关注，值得关注。

#高通 #骁龙8797至尊版 #自动驾驶 #ADAS

IT之家原文

产品 Agent 与开发者21:19

Microduck：开源低成本强化学习机器人发布

Microduck是首款真正可访问的强化学习机器人，价格亲民，功能丰富，适合入门者。

#Microduck #开源模型 #强化学习 #机器人

Thomas Wolf@Thom_Wolf原文

产品21:12

Microduck机器人发布：可爱开源双足机器人

Microduck机器人可爱又开源，适合喜欢DIY和机器人技术的朋友，价格亲民，功能丰富，值得一试。

#Microduck #开源机器人 #双足机器人 #强化学习

orange.ai@oran_ge原文

产品20:19

Hugging Face发布Microduck机器人

Hugging Face发布了Microduck机器人，价格亲民，功能丰富，是学习物理AI和机器人技术的不错选择。

#Microduck #Hugging Face #开源机器人 #强化学习

官方账号Clement Delangue@ClementDelangue原文

产品19:00

首台可访问的RL机器人Microduck A发布

Microduck A机器人首次让强化学习变得触手可及，性价比高，适合DIY爱好者。

#Microduck A #开源机器人 #强化学习 #双足机器人

Thomas Wolf@Thom_Wolf原文

论文10:30

$R^3$: 通过强化学习训练机器人进行自然语言推理

这篇论文介绍了$R^3$，一种将VLMs转化为机器人推理器的方法，通过自由形式的语言推理来指导低级策略，值得一看。

#R^3 #自然语言推理 #机器人推理 #强化学习

arXiv cs.AI@Lehong Wu 等 7 人原文

行业多源确认10:23

巴雷特·佐夫重返谷歌助力Gemini研发

巴雷特·佐夫重返谷歌，将强化学习经验带入Gemini团队，对AI领域感兴趣的朋友不容错过。

#巴雷特·佐夫 #谷歌 #OpenAI #强化学习

事件专题

IT之家11 个信源在谈原文

论文10:07

强化学习在良性事实上的应用加剧了已记忆的个人信息泄露

这项研究揭示了强化学习在良性事实上的应用可能带来的个人信息泄露风险，值得对AI模型安全性和隐私保护进行深入探讨。

#DeepSeek-V3.1 #个人信息泄露 #强化学习 #模型安全

arXiv: DeepSeek@Renfei Zhang, Niloofar Mireshghallah原文

模型10:59

Re$^3$Cap: 图像描述增强的检索引导优化

Re$^3$Cap模型通过检索引导优化图像描述，比GRPO提升了8.64%的推理性能，值得一看。

#Re$^3$Cap #图像描述 #强化学习 #COCO-LN500

arXiv cs.AI@Haonan Jia 等 10 人原文

模型中美对照08:18

Inherent发布Faraday智能体，复现能力超GPT-5.5与Claude Opus 4.8

Inherent新推Faraday智能体，小模型大能力，强化学习助其超越GPT-5.5与Claude Opus 4.8，值得关注。

#Faraday #Inherent #强化学习 #复现能力

IT之家原文

论文00:06

Arena对话：将数万次实验转化为前沿模型

想了解如何通过大规模实验转化为前沿模型？PoolsideAI的研究人员分享了他们的经验。

#PoolsideAI #迭代学习 #大规模预训练 #强化学习

lmarena.ai@lmarena_ai原文

论文10:19

连续时间强化学习在Hawkes跳跃扩散控制中的应用研究

这研究发布了针对Hawkes过程的连续时间强化学习新方法，用近似技术优化求解，和传统离散方法比效果不同，值得了解。

#Hawkes-CT-DDPG #强化学习 #连续时间RL #Hawkes过程

arXiv cs.LG@Tomasz R. Bielecki 等 3 人原文

模型10:16

PGFS++：分子性质优化与合成多样性约束解决方案

PGFS++是新分子优化方法，能解决合成和多样性难题，比之前版本效果更好还保分子多样性。

#PGFS++#分子优化 #强化学习 #AI模型

arXiv cs.AI@Boqiao Zhang 等 4 人原文

产品 Agent 与开发者多源确认精选11:45

RadixArk发布开源强化学习框架Miles v0.1

RadixArk开源了Miles v0.1框架，帮你调试RL训练，提高硬件效率，已在多个前沿模型上验证。

#Miles #RadixArk #DeepSeek #Qwen

事件专题

Aravind Srinivas@AravSrinivas6 个信源在谈原文

论文11:43

基于图的在线难度估计优化RLVR调度

论文提出了一种即插即用的图结构难度估计器，能智能分配探索资源，让RLVR更高效。

#RLVR #强化学习 #图结构 #难度估计

arXiv cs.AI@Zhizhao Liu 等 7 人原文

模型11:42

即时回合重复提升强化学习样本效率

这篇论文提出了一种简单却有效的IER机制，能让强化学习智能体通过重复成功动作更快学习。

#强化学习 #IER #SAC #TD3

arXiv: Google DeepMind@Hoda Yamani 等 5 人原文

论文11:40

基于LLM反馈的混合RL智能体奖励框架

这篇论文提出了LLM反馈的奖励塑造方法，即使在LLM评分不准确时也能保持最优策略，比传统方法更可靠。

#LLM #RL #MDP #强化学习

arXiv cs.LG@Christophe D. Hounwanou 等 3 人原文