共计 81 篇文章
2026
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
TTPO：多数票不可靠时，如何在测试阶段继续训练模型？
论文精读｜Code as Worlds：让 Agent 用可执行代码反推物理世界
Training Needs Trustworthy Worlds：先验证合成网站，再让 Web Agent 学习
Test-Time RL 全景：让模型在“考试时”用自己的答案继续学习
Bridging the Agent-World Gap：LLM Agent 文本世界模型全景综述