共计 39 篇文章
2026
从 VLA 到 WAM：具身基础模型的代表方法，以及与 LLM、推理和强化学习的交叉
从 CPT 到 Agentic CPT：大语言模型持续预训练研究综述
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
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？
Training Needs Trustworthy Worlds：先验证合成网站，再让 Web Agent 学习