AI资讯新闻榜单内容搜索-强化学习框架

关键词: AI新闻,RLinf,具身智能,模型训练

清华大学、北京中关村学院、无问芯穹联合北大、伯克利等机构重磅开源RLinf：首个面向具身智能的“渲训推一体化”大规模强化学习框架。

关键词: MCP新闻,模型训练,MCP·RL,OpenPipe

强化学习+任意一张牌，往往就是王炸。专注于LLM+RL的科技公司OpenPipe提出全新开源强化学习框架——MCP·RL。

关键词: AI,模型训练,siiRL,人工智能

还在为强化学习（RL）框架的扩展性瓶颈和效率低下而烦恼吗？

关键词: AI,模型训练,MGPO,人工智能

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。

关键词: AI,AI视频,模型训练,DanceGRPO

R1 横空出世，带火了 GRPO 算法，RL 也随之成为 2025 年的热门技术探索方向，近期，字节 Seed 团队就在图像生成方向进行了相关探索。

关键词: AI,李飞飞,RAGEN,强化学习框架

什么开源算法自称为DeepSeek-R1（-Zero） 框架的第一个复现？

关键词: AI,NLRL,强化学习,模型训练

在人工智能发展史上，强化学习 (RL) 凭借其严谨的数学框架解决了众多复杂的决策问题，从围棋、国际象棋到机器人控制等领域都取得了突破性进展。

关键词: 多模态,多模态大模型,GPT-4v,AI打扑克

只用强化学习来微调，无需人类反馈，就能让多模态大模型学会做决策！