在今年的ACM知识发现与数据挖掘会议（KDD）计算广告研讨会上，关于AuctionGym的论文获得最佳论文奖。该模拟环境支持对在线广告拍卖的强盗算法和强化学习方...

导读：论文针对四足机器人集成机械臂后形成的复杂系统控制难题，提出了一种创新性的解决方案，通过将显式运动学模型融入强化学习框架，有效解决了传统方法面临的局部最优问...

数学推理是通用人工智能的核心能力之一，也是评估大语言模型（LLM）性能的关键基准。尽管现有先进模型展现出潜力，但在需要深度概念理解和多步推理的复杂问题中仍存在不...

2025 年 1 月 20 日，DeepSeek 发布了全新的开源推理大模型 DeepSeek-R1。 这一模型在数学、编程和推理等多个任务上达到了与 Ope...

大型语言模型（LLM）在开放域对话中取得显著进展，但长期交互中信息保留与检索的不足限制了其持续个性化能力。现有外部记忆机制存在两大挑战：1）固定记忆粒度无法捕捉...

随着深度神经网络主导AI领域，神经信息处理系统大会(NeurIPS)已成为该领域最受关注的会议。其中，强化学习是最热门的研究方向之一——本届会议有95篇录用论文...

为充分利用后完成空间，设计了一种白盒强化学习方法：模型根据奖励规则评估输出内容，随后计算分数并与奖励函数对齐以实现监督。通过双轨监督微调（SFT）优化推理与评估...

本文从摘要介绍到实验验证，系统剖析这一结合大语言模型(LLM)与多智能体强化学习(MARL)的创新框架。论文提出了一种名为YOLO-MARL的新方法，通过单次L...

ART (Agent Reinforcement Trainer) 是一个开源的强化学习框架，专注于训练能够处理多步任务的智能体。项目核心价值在于：

现代搜索应用、广告平台和推荐系统普遍采用包含候选检索（从百万级条目中筛选数百个）和候选排序（精细化调整展示顺序）的多层信息检索架构。亚马逊音乐通过学习排序（LT...

IJCAI 2025将在2025-08-05到8月22日于加拿大蒙特利尔（Montreal, Canada）和2025年8月举行。IJCAI 2025共有540...

在具有高风险和长期影响的场景中，反事实推理的价值尤为显著。以1型糖尿病患者的血糖控制为例：强化学习（RL）智能体根据生理信号定期决定胰岛素剂量。原始轨迹（）显示...

图形用户界面 (Graphical User Interface, GUI) 定位技术将自然语言指令映射到精确的界面坐标以实现自主交互。现有强化学习方法采用二元...

在这次圆桌谈话中，ChatGPT Agent团队首次披露了他们的训练方法：将所有工具集成至虚拟机，通过强化学习让模型自主探索最佳工具组合。

加州大学伯克利分校副教授，Physical Intelligence 的联合创始人，强化学习领域大牛 Sergey Levine 为此撰写了一篇文章，分析了训练...

本文的主要作者来自复旦大学和南洋理工大学 S-Lab，研究方向聚焦于视觉推理与强化学习优化。

现有方法，无论是基于结构化 CoT 的，还是基于结果奖励强化学习的，都存在明显的局限性。它们在推理中一旦对某个视觉线索产生误判，往往会「一条道走到黑」，缺乏中途...

提出了一种名为 DeepSeek-R1 的大语言模型（LLM），目标是让模型通过强化学习（RL）自主学会“推理能力”（比如数学解题、编程、科学问题分析），而无需...

第一篇论文基于这样一个事实：在标准的回合制强化学习交互范式中，随着模型参数数量的增加，智能体无动作的程度也会随之增加。因此，强化学习社区必须考虑一种新的部署框架...

思维链之父、华人AI科学家Jason Wei，就是从谷歌跳槽到OpenAI，刚刚又跳槽到Meta。