本文采用自回归文生图模型验证RubricRL框架有效性，该框架同样适用于扩散模型。本节首先介绍RubricRL整体架构，随后详述基于量规的奖励设计、RL训练方法...

传统多模态模型在动态视频理解与复杂推理场景面临严峻挑战。快手开源的 Keye-VL 模型在多模态思维链技术实现突破，具备独特的 auto-think（自动思考决...

最新研究 VisPlay 首次提出了一个自进化强化学习框架，使 VLM 能够仅通过海量的未标注图像数据进行自我演化和能力提升。

最后，任何强大的模型都必须经过 RLHF（基于人类反馈的强化学习） 来进行安全对齐。在AI教育中，伦理教育就是那个“人类反馈”环节。

除此之外，还有一种完全不同的学习范式——强化学习（Reinforcement Learning）。它不依赖标签，而是让智能体（Agent）在环境中不断试错，通过...

智能体（Agent）是人工智能中的核心概念之一，它广泛应用于游戏AI、机器人、自动驾驶、智能客服等领域。本篇博客将从智能体的基本概念、核心架构、开发工具，以及简...

学习强化学习时，最让人头疼的莫过于那些看起来神秘莫测的数学公式。今天，我们就用最通俗的语言，为你揭开这些公式的面纱，看看它们到底在说什么。

TensorTrade 是一个专注于利用 强化学习 (Reinforcement Learning, RL) 构建和训练交易算法的开源 Python 框架。

Awesome-ML-SYS-Tutorial 是一个专注于机器学习系统（ML SYS）领域的学习笔记与代码仓库。它旨在为对 ML 与系统交叉领域感兴趣的研究者...

在 Physical Intelligence 最新的成果 π0.6 论文里，他们介绍了 π0.6 迭代式强化学习的思路来源：

就像人类通过摸索试验来学习一样（比如骑自行车），让计算机也在摸索试验的过程中自主学习，这称为强化学习（reinforcement learning）。强化学习和...

理解三幕剧、英雄之旅等叙事框架，通过概率图模型或强化学习构建情节连贯性。如OpenAI的StoryGeneration项目使用层次化LSTM生成多段落故事。

在当今的数字生活中，推荐系统无处不在，从在线购物到流媒体音乐，它们利用我们过往的选择来预测我们可能喜欢的下一个内容citation:10。然而，音乐推荐系统长期...

•RLHF：在训练instructGPT时，首先使用有人类生成的示例对模型进行预训练。然后，通过与人类评估者进行交互，收集评估结果，以创建一个用于强化学习的数据...

在学术与产业的交叉领域里，始终流传着一个朴素的共识：牛逼的人在一个领域内必有另一个牛逼的人。这并非简单的人脉叠加，而是拓扑学意义上的“稠密性”——当我们将领域内...

横跨2012–2025年，把计算机视觉（CV）、自然语言处理（NLP）、强化学习（RL）、大语言/多模态模型（LLMs/MLLMs）以及世界模型（WMs）五条技...

摘要：本论文提出了一种名为KLEIYN的新型四足机器人，其具备主动腰部关节，能够在复杂地形中进行运动并实现垂直墙面的攀爬。研究背景源于当前四足机器人在动态运动和...