强化学习

Cursor正式推出Composer 2.5模型，彻底解决AI编程工具成本高昂且长任务执行不稳定的痛点。新一代模型基于月之暗面K2.5构建，以十分之一的价格提供媲美Opus 4.7的超凡性能，重塑大模...

强化学习无监督环境设计面临关卡价值评估开销大、方差高的痛点。国防科大等提出PACE算法，用策略参数变化量度量学习进展，精准定位最近发展区。实验显示该算法避开了额外评估开销，并在MiniGrid与Cra...

Meta ATLAS视觉推理方案针对多模态大模型开销大、依赖工具的痛点，创新提出用单个Token统一Agent动作与隐式思考。该方案通过SFT与LA-GRPO机制，在不改动原架构下，显著降低推理成本...

大语言模型强化学习面临信用分配与梯度方差暴增的痛点。前DeepMind科学家Eric Jang深入剖析AlphaGo，指出其依靠MCTS与价值网络进行状态重标记分摊搜索空间，而LLM因词表庞大且无规则...

波士顿动力最新Atlas机器人攻克了人形机器人无法感知重力与接触力的行业痛点。通过仿真强化学习与全身协调控制，Atlas成功在现实中抱起超45公斤的满载冰箱，标志着具身智能从做细活正式跨入重工业级体力...

前月之暗面核心强化学习研究员宋鸿涌博士（Flood Sung）正式离职创立“十六号机器人”（XVI Robotics），聚焦通用人形机器人基座模型研发，打造打通大模型数字推理到物理世界的终极控制大脑。

深度解析世界模型概念的起源、两条独立研究脉络及其在2025年的融合，揭示当前技术能力边界与百亿资本背后的战略格局。

腾讯混元、MBZUAI和港中文联合提出Search-R2框架，将纠错纳入强化学习策略空间，有效解决长链搜索推理中的错误传播问题，在多跳推理任务中性能提升超20%，为搜索型智能体提供了更贴近真实失败模式...

清华刘洋团队在ICLR2026发表重磅论文，提出DOCTOR-R1框架，用8B小模型在动态问诊中超越70B大模型，揭示医疗AI的真正瓶颈在于提问策略而非知识规模。

西安交通大学与新加坡 A*STAR 团队提出的 PaCo-RL，通过成对比较奖励模型与强化学习，解决了 AI 多图生成中身份、风格不一致的难题，让连续创作成为可能。