清华大学朱军教授团队， NVIDIA Deep Imagination 研究组与斯坦福 Stefano Ermon 团队联合提出了一种全新的扩散模型强化学习（RL）范式 ——Diffusion Negative-aware FineTuning (DiffusionNFT)。该方法首次突破现有 ...

这项由普林斯顿大学语言与智能实验室（Princeton Language and Intelligence）主导、联合复旦大学与清华大学研究人员共同完成的研究，于2026年5月以预印本形式发布，论文编号为arXiv:2605.00347。感兴趣 ...

这项由弗吉尼亚大学与圣路易斯华盛顿大学联合开展的研究，以预印本形式发布于2026年5月20日，论文编号为arXiv:2605.21468，有兴趣深入了解的读者可通过该编号查询完整原文。 训练一个会思考 ...

就在今天，被称为“强化学习之父”的 Richard Sutton 在社交平台 X 上突然宣布，他与合作者 Khurram Javed 已经离开由传奇游戏开发者 John Carmack 创办的 AI 公司 Keen ...

在人工智能领域，大语言模型的强化学习训练常被视为推动技术进步的核心动力。然而，天津大学与阿里巴巴联合研究团队发现，当前主流的训练机制存在一个被长期忽视的隐患：训练过程中看似不断优化的模型，在实际部署时可能并未提升性能，甚至可能退化。这一发现挑战了传统强化学习的优化逻辑，并为解决该问题提出了创新方案。 研究指出，大语言模型的训练与部署涉及两套独立系统：训练引擎负责模型参数更新，推理引擎负责生成用户可 ...

强化学习能力强大，几乎已经成为推理模型训练流程中的标配，也有不少研究者在探索强化学习可以为大模型带来哪些涌现行为。 现在，问题来了：要让大模型学会推理，强化学习是必需的吗？

强化学习奠基人、2024年图灵奖得主Richard Sutton宣布，自己已和学生Khurram Javed离开John Carmack创办的Keen Technologies，另起炉灶成立Oak Lab。 69岁正是“创”的年纪！ 强化学习奠基人、2024年图灵奖得主Richard Sutton宣布，自己已和学生Khurram Javed离开John Carmack创办的Keen Technol ...