强化学习

深度解读AI2科学家Nathan Lambert团队在强化学习与推理模型领域的最新研究成果，包括GRPO算法优化、OpenReasonerZero训练流程复现，以及打造开源推理模型对标DeepSeek...

深度解析OpenAI最新发布的ChatGPT Agent技术：采用端到端强化学习实现自主工具组合，在多项基准测试中刷新纪录，将重塑人机协作模式并推动AI产业链发展。了解这一突破性AI技术的架构特点、性...

昆仑万维宣布开源多模态推理模型Skywork-R1V 3.0，该模型通过GRPO强化学习算法显著提升跨模态推理能力，在高考数学测试中表现优异，超越Claude、GPT等国际主流模型。

北京人形机器人创新中心发布Tien Kung-Lab开源运动控制框架，整合强化学习与人体运动数据，显著提升机器人运动控制的稳定性和泛化性，推动行业技术发展。

Together.ai与Agentica联合发布开源AI Agent框架DeepSWE，基于Qwen3-32B模型构建，采用强化学习技术训练，性能测试显示其在SWE-Bench-Verified基准测...

苏黎世联邦理工学院最新研究显示，其开发的AI控制微型机器人系统在血管环境中导航成功率突破90%。该技术融合MBRL策略与超声驱动，仅需1小时微调即可适应新环境，为精准医疗提供全新解决方案。

前OpenAI高管Mira Murati创立的Thinking Machines Lab完成20亿美元融资，估值突破100亿美元。TML凭借定制化AI模型技术和强化学习解决方案迅速崛起，成为AI领域最...

月之暗面公司旗下AI产品Kimi-Researcher智能体启动灰度测试，基于端到端自主强化学习技术，实现超万字研究报告生成与全程溯源，技术能力领先行业，或将重塑学术与商业研究协作模式。

小红书技术团队在深度思考模型领域取得重大突破，创新提出'Think When You Need'强化学习训练范式，显著缩短思考长度并保持性能。该研究揭示了反直觉的大模型思考特征，为AI认知优化提供新思...