<topic />
#强化学习
主题「强化学习」下共有 108 篇日报,第 2 / 2 页。
2026-08-27周四1 篇扩散模型
2026-08-25周二1 篇AI 智能体
2026-08-22周六1 篇AI 智能体
2026-08-21周五2 篇强化学习
2026-08-20周四3 篇AI 智能体物理 AI
长程智能体微调未必需要强化学习:ESOpt以推理级显存优化全参数
论文提出以进化策略替代长程智能体强化学习,通过黑盒轨迹奖励和在线加权更新,在推理级显存下进行全参数微调。
来源:Hugging Face Daily Papers训练引擎不再掌控交互循环:Agent Lightning重构智能体强化学习
Agent Lightning v1.0让部署时智能体框架直接参与后训练,并以轻量实现验证搜索、编码等场景的强化学习路径。
来源:Hugging Face Daily Papers让视觉语言模型点像素去导航:TAMP-Nav重构具身执行链路
TAMP-Nav将导航动作改写为像素选择,并结合选择性推理、关键节点记忆与两级奖励对齐,试图减少执行错位和轨迹冗余。
来源:Hugging Face Daily Papers2026-08-19周三2 篇强化学习AI 智能体
2026-08-18周二1 篇大语言模型
2026-08-15周六1 篇AI 智能体
2026-08-12周三2 篇AI 智能体大语言模型
2026-08-11周二1 篇物理 AI
2026-08-09周日1 篇大语言模型
2026-08-08周六2 篇AI 智能体
2026-08-07周五2 篇AI 智能体
2026-08-06周四2 篇AI 智能体视频大模型
2026-08-05周三3 篇大语言模型AI 智能体语音 AI
后训练蒸馏不该假装知道答案:DAPD用双重锚定缓解特权幻觉
DAPD从信息不对称入手,通过双路径和双来源锚定,减少特权教师向推理阶段学生传递不可复现的行为。
来源:Hugging Face Daily Papers技能生成不再依赖手工管线:Skill-α用强化学习逐步编辑
Skill-α将智能体技能构造改写为可逐步评估的编辑过程,并以回滚奖励依据下游执行效果训练生成策略。
来源:Hugging Face Daily PapersSwanTale统一多说话人生成:同时覆盖指令设计与零样本复用
SwanTale将多说话人语音、环境声与音效纳入统一模型,并通过指令和参考音频支持声音设计与复用。
来源:Hugging Face Daily Papers2026-08-04周二2 篇模型评测强化学习
2026-08-02周日1 篇科研
2026-08-01周六2 篇AI 智能体
2026-07-31周五2 篇强化学习
2026-07-29周三2 篇大语言模型AI 智能体
2026-07-28周二1 篇大语言模型
2026-07-25周六1 篇AI 智能体
2026-07-22周三1 篇视频大模型
2026-07-21周二2 篇强化学习
2026-07-19周日1 篇扩散模型
2026-07-18周六2 篇强化学习AI 智能体
2026-07-16周四3 篇机器人模型评测强化学习
机器人奖励模型需要看见失败过程:DenseReward 在仿真中自动合成细粒度错误
DenseReward 合成碰撞、漏抓、掉落与恢复等轨迹,从视觉和指令预测逐帧奖励,为控制与强化学习提供密集反馈。
来源:arXiv端到端文档解析登顶公开榜单:OvisOCR2 仅有 0.8B 参数
OvisOCR2 以 0.8B 参数直接将页面图像转为 Markdown,并在两项公开文档解析基准上取得最高成绩。
来源:Hugging Face Daily Papers万亿参数 Zero RL 如何涌现推理:Ring-Zero 的规模化实验
Ring-Zero 将可验证奖励的零数据强化学习扩展到 1T 参数,并报告训练阶段、样本效率与多类自发推理行为。
来源:Hugging Face Daily Papers2026-07-15周三2 篇强化学习机器人
没有匹配的日报,换个关键词试试。