领域
强化学习
强化学习、RLHF/RLVR、决策
提及最多的企业
资讯：8 · 最新在前
2026年10月15日
-
NVIDIA介绍利用NeMo Gym提升芯片设计智能体可靠性与工具调用效率的方法
NVIDIA开发者博客介绍了如何利用NeMo Gym提升芯片设计工作流中AI智能体的可靠性和工具调用效率。文章指出，核心问题在于智能体倾向于生成看似合理但实际错误的输出。摘录中没有具体的改进数据。
-
NVIDIA发布“AlphaNIST”研究：仅告知成功与失败的奖励即可让机器人涌现装配技能（社区转述）
Reddit上有人分享了NVIDIA的研究“AlphaNIST: Emergent Assembly Skills from Binary Task Rewards”。从标题看，其内容是用仅告知成功或失败的二元奖励训练的机器人会涌现出装配技能。帖子附有项目页面和arXiv...
2026年10月14日
-
成均馆大学 Kwon Min-hye 教授团队开发出将 AI 智能体计算成本降至三分之一的技术及可过滤偶然成功的机器人强化学习（报道）
成均馆大学 Kwon Min-hye 教授研究团队开发了一项技术，通过在复杂任务中减少外部审查来降低 AI 助手的计算成本。团队还推出了一项强化学习技术，使机器人不会把偶然的成功误认为安全的行为，而是学习能够反复稳定成功的行为。
2026年10月13日
-
TypeSafe判断模型“Jev”陷抄袭争议：ConvAI Innovations创始人称“核心结构与我一年前的研究相同”（报道）
这是韩国媒体AI Times援引Tom's Hardware报道的内容。ConvAI Innovations创始人Nandakishor...
2026年10月12日
-
Qwen 发布超长程智能体强化学习框架“QwenGyre”，可在 Rollout 与训练之间实时重新分配 GPU（社区消息）
据 Reddit 帖子介绍，Qwen 发布了用于对执行超长、复杂任务（XLong）的智能体进行强化学习的框架“QwenGyre”。核心设计有两点。其一，“Elastic Scheduler”可在不中断运行中任务的情况下，在 Rollout 和训练之间重新分配...
2026年10月11日
-
杨立昆参与的研究团队发布分层处理短期与长期规划的世界模型“H-JEPA”，模拟迷宫导航成功率从18%升至73%（报道）
据AI Times报道，纽约大学（NYU）AMI实验室、INRIA...
2026年10月7日
-
NVIDIA 微调 Nemotron 模型系列，在 IOI 和 IMO 2026 上取得“金牌水平”成绩
NVIDIA 在 Hugging Face 博客发布文章《One Model Family, Two Gold-Level Results: Fine-Tuning Nemotron for IOI and IMO》，称通过微调同一个 Nemotron...
-
Microsoft Research 发布轻量框架 Agent Lightning v1.0，可直接对现有智能体进行强化学习
Microsoft Research 发布了 Agent Lightning v1.0，这是一个约 3,500 行代码的智能体强化学习框架。其目标是将已在运行的智能体及其...