AI Stack

TAGS / TERM

强化学习

共 206 篇

  1. Lilian Weng 综述 RSI 线束工程 35 篇论文 2026-07-08 · BLOGS_PODCASTS
  2. LeRobot v0.6.0：想象、评估、改进 2026-07-06 · BLOGS_PODCASTS
  3. DexCompose：复用单手灵巧策略实现多任务操控 2026-06-30 · ARXIV
  4. 原生主动感知推理赋能多模态理解 2026-06-19 · ARXIV
  5. 原生主动感知推理实现多模态理解 2026-06-18 · ARXIV
  6. 使用Amazon SageMaker AI和NVIDIA Isaac Lab训练Unitree H1人形机器人 2026-06-10 · BLOGS_PODCASTS
  7. SageMaker上用Isaac Lab训练Unitree H1人形机器人策略 2026-06-09 · BLOGS_PODCASTS
  8. RL环境质量提升：训练曲线暴露的常见问题与修复方法 2026-06-05 · BLOGS_PODCASTS
  9. 可验证高并行移动GUI智能体仿真平台 2026-05-26 · ARXIV
  10. SkillOpt：自进化智能体技能的优化策略 2026-05-25 · ARXIV
  11. AlphaGRPO：分解式可验证奖励赋能多模态生成自我反思 2026-05-13 · ARXIV
  12. vLLM V0到V1：正确性优先于修正的RL演进 2026-05-06 · BLOGS_PODCASTS
  13. 多智能体环境下的策略推理研究 2026-05-05 · BLOGS_PODCASTS
  14. 机器人强化学习泛化能力：SHAP视角下的算法与超参数分析 2026-05-05 · ARXIV
  15. Amazon Nova模型的RLAIF强化学习微调实践 2026-04-30 · BLOGS_PODCASTS
  16. 使用Lambda设计Amazon Nova模型的奖励函数指南 2026-04-14 · BLOGS_PODCASTS
  17. AWS Lambda为Amazon Nova构建可扩展奖励函数的最佳实践 2026-04-13 · BLOGS_PODCASTS
  18. 代理多模态模型的元认知工具使用策略 2026-04-12 · ARXIV
  19. 发展代理多模态模型的元认知工具使用能力 2026-04-11 · ARXIV
  20. 面向代理多模态模型的元认知工具使用培养 2026-04-10 · ARXIV
  21. ALTK-Evolve让AI代理边工作边学习 2026-04-08 · BLOGS_PODCASTS
  22. 机器学习：先看数据标签再选算法 2026-03-20 · JUEJIN
  23. 边缘端高效推理：资源受限设备的模型优化方法 2026-03-18 · ARXIV
  24. 对抗性腐败与重尾噪声下的鲁棒高效线性情境老虎机算法 2026-03-18 · ARXIV
  25. Code-A1：基于强化学习的代码与测试大模型对抗进化 2026-03-18 · ARXIV
  26. 强化学习激发过程推理能力提升机器人操控性能 2026-03-17 · ARXIV
  27. 对抗性腐蚀与重尾噪声下的鲁棒高效线性情境赌博机 2026-03-17 · ARXIV
  28. Code-A1：基于强化学习的代码与测试大模型对抗进化 2026-03-17 · ARXIV
  29. Visual-ERM：面向视觉等价性的奖励建模 2026-03-17 · ARXIV
  30. PhysMoDPO：基于偏好优化的人形机器人物理逼真运动生成 2026-03-17 · ARXIV
  31. 基于能量函数的语言模型特征匹配微调方法 2026-03-16 · ARXIV
  32. 可分离神经架构：统一预测与生成智能的基元 2026-03-16 · ARXIV
  33. 基于不完美人体运动数据学习人形机器人网球技能 2026-03-16 · HACKER_NEWS
  34. 探究推理模型作为裁判在非可验证LLM后训练中的表现 2026-03-15 · ARXIV
  35. 利用不完美人体动作数据学习仿人机器人网球技能 2026-03-15 · HACKER_NEWS
  36. 基于PPO的树搜索蒸馏优化语言模型 2026-03-15 · HACKER_NEWS
  37. 基于PPO的树搜索蒸馏技术优化语言模型 2026-03-15 · HACKER_NEWS
  38. 基于PPO的树搜索蒸馏优化语言模型 2026-03-15 · HACKER_NEWS
  39. 基于PPO的树搜索蒸馏技术优化语言模型 2026-03-15 · HACKER_NEWS
  40. 探究非可验证LLM后训练中的推理模型评判机制 2026-03-14 · ARXIV
  41. 基于能量函数的语言模型特征级微调方法 2026-03-14 · ARXIV
  42. 探究推理LLM作为非可验证后训练评估器的有效性 2026-03-13 · ARXIV
  43. 16个开源RL库的经验总结：保持Token流动 2026-03-11 · BLOGS_PODCASTS
  44. 16个开源强化学习库的实践经验与启示 2026-03-11 · BLOGS_PODCASTS
  45. 基于16个开源RL库的Token流生成经验总结 2026-03-11 · BLOGS_PODCASTS
  46. 16个开源强化学习库的实践经验总结 2026-03-11 · BLOGS_PODCASTS
  47. Agentic Critical Training：基于批判性反馈的大模型推理能力提升机制 2026-03-11 · ARXIV
  48. 从16个开源强化学习库中总结的Token流优化经验 2026-03-10 · BLOGS_PODCASTS
  49. Agentic Critical Training：基于智能体批判机制的模型训练方法 2026-03-10 · ARXIV
  50. 16个开源RL库经验总结：维持Token流的关键 2026-03-10 · BLOGS_PODCASTS