共计 66 篇文章
2026
PlanPhys：长程规划从哪里来？预训练、OPD 与多教师蒸馏的能力边界
Long-Horizon Agent 训练论文地图：20 篇工作、七条路线与一个完整训练例子
长程 Agent 为什么越训越差？Horizon Length 实证研究与两种缩短训练跨度的方法
SMOPD 深度解读：多奖励强化学习的“先专门化，再蒸馏合并”
从“会回答”到“会预演”：2026 年大语言模型世界模型的主流范式与前沿进展
2026 年大模型 PPO：前沿进展、主流范式与论文地图
2026 Long-Horizon Agentic RL 与细粒度奖励：两条主线、一个交叉问题
AI 能否用自己的数据训练自己？从 NEON 到潜在能力再浮现
从静态大模型到终身智能体：LLM 持续学习与持续强化学习的主流范式
从 LLM 到 VLA：机器人如何把语言模型接到动作空间｜相关工作与主流范式