不用强化学习也能推理，哈佛新采样算法竟能让基础模型比肩GRPO后训练版本
不用强化学习也能推理，哈佛新采样算法竟能让基础模型比肩GRPO后训练版本强化学习能力强大，几乎已经成为推理模型训练流程中的标配，也有不少研究者在探索强化学习可以为大模型带来哪些涌现行为。
来自主题: AI技术研报
4976 点击 2025-10-24 10:33
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
强化学习能力强大，几乎已经成为推理模型训练流程中的标配，也有不少研究者在探索强化学习可以为大模型带来哪些涌现行为。
在大模型微调实践中，SFT（监督微调）几乎成为主流流程的一部分，被广泛应用于各类下游任务和专用场景。比如，在医疗领域，研究人员往往会用领域专属数据对大模型进行微调，从而显著提升模型在该领域特定任务上的表现。
全球六大LLM实盘厮杀，新王登基！今天，Qwen3 Max凭借一波「快狠准」操作，逆袭DeepSeek夺下第一。Qwen3 Max，一骑绝尘！ 而GPT-5则接替Gemini 2.5 Pro，成为「最会赔钱」的AI。照目前这个趋势，估计很快就要跌没了……
啥情况，马斯克在𝕏上直接锐评Claude「邪恶透顶」：这次起因是这样的，最新研究发现，Claude Sonnet 4.5竟然认为尼日利亚人的生命价值是德国人的27倍。具体而言，在面对不同国家的绝症患者时，Claude「清醒」得有点吓人——
短视频的游戏规则，彻底被改写了！9月25日，Meta突然扔出一张新牌——Vibes。刷到的不是别人拍的，而是一条条AI秒生的视频：熊猫骑摩托、猫咪打篮球，你看完还能一键remix，立刻变成你的版本，再发到全网。创作门槛被拉到最低，人人都能拍大片。但这股狂潮，是全民狂欢，还是混乱的开始？
我们被「黑箱」困住了！深度生成模型虽能创造逼真内容，但其内部运作机制如同「黑箱」，潜变量的意义难以捉摸。埃默里大学团队提出LatentExplainer框架，巧妙地将潜在变量转化为易懂解释，大幅提升模型解释质量与可靠性。
人工智能模型的安全对齐问题，一直像悬在头顶的达摩克利斯之剑。 自对抗样本被发现以来，这一安全对齐缺陷，广泛、长期地存在与不同的深度学习模型中。
大模型在强化学习过程中，终于知道什么经验更宝贵了！ 来自上海人工智能实验室、澳门大学、南京大学和香港中文大学的研究团队，最近提出了一套经验管理和学习框架ExGRPO—— 通过科学地识别、存储、筛选和学习有价值的经验，让大模型在优化推理能力的道路上，走得更稳、更快、更远。
长期以来，扩散模型的训练通常依赖由变分自编码器（VAE）构建的低维潜空间表示。然而，VAE 的潜空间表征能力有限，难以有效支撑感知理解等核心视觉任务，同时「VAE + Diffusion」的范式在训练
当OpenAI为ChatGPT各种造势时，中国模型也在凭实力圈粉老外。最近，爱彼迎（Airbnb）联合创始人兼CEO Brian Chesky的一番公开表态掀起波澜：要知道Brian Chesky和奥特曼还是挚友，但当涉及自家应用产品整合时，他却没给老朋友留面子，直言OpenAI提供的连接工具还“没有完全准备好”。