AI在线 AI在线

工程

智源开源EditScore：为图像编辑解锁在线强化学习的无限可能

智源开源EditScore：为图像编辑解锁在线强化学习的无限可能
随着多模态大模型的不断演进，指令引导的图像编辑（Instruction-guided Image Editing）技术取得了显著进展。 然而，现有模型在遵循复杂、精细的文本指令方面仍面临巨大挑战，往往需要用户进行多次尝试和手动筛选，难以实现稳定、高质量的「一步到位」式编辑。 强化学习（RL）为模型实现自我演进、提升指令遵循能力提供了一条极具潜力的路径。
10/22/2025 11:47:00 AM
机器之心
豆包是如何炼成的？字节放出自研万卡训练系统ByteRobust论文

豆包是如何炼成的？字节放出自研万卡训练系统ByteRobust论文
大型语言模型（LLM）训练的核心基础设施是 GPU。 现如今，其训练规模已达到数万块 GPU，并且仍在持续扩大。 同时，训练大模型的时间也越来越长。
10/21/2025 5:45:00 PM
机器之心
清华、快手提出AttnRL：让大模型用「注意力」探索

清华、快手提出AttnRL：让大模型用「注意力」探索
从 AlphaGo 战胜人类棋手，到 GPT 系列展现出惊人的推理与语言能力，强化学习（Reinforcement Learning, RL）一直是让机器「学会思考」的关键驱动力。 然而，在让大模型真正掌握「推理能力」的道路上，探索效率仍是一道难以逾越的鸿沟。 当下最前沿的强化学习范式之一——过程监督强化学习（Process-Supervised RL, PSRL），让模型不再只看「结果对不对」，而是学会在「推理过程」中不断修正自己。
10/21/2025 5:39:00 PM
机器之心
RewardMap: 通过多阶段强化学习解决细粒度视觉推理的Sparse Reward

RewardMap: 通过多阶段强化学习解决细粒度视觉推理的Sparse Reward
本研究由西湖大学 ENCODE Lab 牵头，联合同济大学、浙江大学和新加坡国立大学共同完成。 团队在大模型强化学习与多模态推理方向具有深厚研究基础。 近年来，大语言模型（LLMs）以及多模态大模型（MLLMs）在多种场景理解和复杂推理任务中取得突破性进展。
10/21/2025 12:00:00 PM
机器之心
大模型微调范式认知再被颠覆？UIUC、Amazon团队最新研究指出SFT灾难性遗忘问题或被误解

大模型微调范式认知再被颠覆？UIUC、Amazon团队最新研究指出SFT灾难性遗忘问题或被误解
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。 然而，问题随之而来：SFT 是否会让模型 “遗忘” 原本的通用能力？
10/21/2025 11:56:00 AM
机器之心
NeurIPS 2025 | CMU、清华、UTAustin开源ReinFlow，用在线RL微调机器人流匹配策略

NeurIPS 2025 | CMU、清华、UTAustin开源ReinFlow，用在线RL微调机器人流匹配策略
作者简介：本文第一作者为卡耐基梅隆大学机器人所研究生 Tonghe Zhang，主要研究方向为机器人操作大模型和全身控制算法。 合作者为德克萨斯大学奥斯汀分校博士生 Sichang Su, 研究方向为强化学习和通用机器人策略。 指导教师是清华大学和北京中关村学院的 Chao Yu 教授以及清华大学 Yu Wang 教授。
10/20/2025 5:44:00 PM
机器之心
ICCV 2025 | 扩散模型生成手写体文本行的首次实战，效果惊艳还开源

ICCV 2025 | 扩散模型生成手写体文本行的首次实战，效果惊艳还开源
本文中，来自华南理工大学、MiroMind AI、新加坡国立大学以及琶洲实验室的研究者们提出一种新的生成模型 Diffusion Brush，首次将扩散模型用于文本行级的手写体生成，在英文、中文等多语言场景下实现了风格逼真、内容准确、排版自然的文本行生成。 研究背景AI 会写字吗？ 在写字机器人衍生换代的今天，你或许并不觉得 AI 写字有多么困难。
10/20/2025 5:27:00 PM
机器之心
微软BitDistill将LLM压缩到1.58比特：10倍内存节省、2.65倍CPU推理加速

微软BitDistill将LLM压缩到1.58比特：10倍内存节省、2.65倍CPU推理加速
大语言模型（LLM）不仅在推动通用自然语言处理方面发挥了关键作用，更重要的是，它们已成为支撑多种下游应用如推荐、分类和检索的核心引擎。 尽管 LLM 具有广泛的适用性，但在下游任务中高效部署仍面临重大挑战。 随着模型规模的急剧扩大，这些挑战被进一步放大，尤其是在资源受限的设备上（如智能手机），内存占用和计算开销都变得极其昂贵。
10/20/2025 4:39:00 PM
机器之心
AGILE：视觉学习新范式！自监督+交互式强化学习助力VLMs感知与推理全面提升

AGILE：视觉学习新范式！自监督+交互式强化学习助力VLMs感知与推理全面提升
现有视觉语言大模型（VLMs）在多模态感知和推理任务上仍存在明显短板：1. 对图像中的细粒度视觉信息理解有限，视觉感知和推理能力未被充分激发；2. 强化学习虽能带来改进，但缺乏高质量、易扩展的 RL 数据。
10/20/2025 4:34:00 PM
机器之心
突破FHE瓶颈，Lancelot架构实现加密状态下的鲁棒聚合计算，兼顾「隐私保护」与「鲁棒性」

突破FHE瓶颈，Lancelot架构实现加密状态下的鲁棒聚合计算，兼顾「隐私保护」与「鲁棒性」
在金融、医疗等高度敏感的应用场景中，拜占庭鲁棒联邦学习（BRFL）能够有效避免因数据集中存储而导致的隐私泄露风险，同时防止恶意客户端对模型训练的攻击。 然而，即使是在模型更新的过程中，信息泄露的威胁仍然无法完全规避。 为了解决这一问题，全同态加密（FHE）技术通过在密文状态下进行安全计算，展现出保护隐私信息的巨大潜力。
10/20/2025 4:30:00 PM
机器之心
Codeforces难题不够刷？谢赛宁等造了个AI出题机，能生成原创编程题

Codeforces难题不够刷？谢赛宁等造了个AI出题机，能生成原创编程题
Rich Sutton 曾说过：「AI 只能在可以自我验证的范围内创造和维持知识。 」爱因斯坦与英费尔德在合著的《物理学的进化》中也写道：「提出一个问题往往比解决问题更重要，后者或许仅仅是数学或实验技巧的问题。 而提出新的问题、新的可能性，从新的角度审视旧的问题，则需要创造性的想象力，并标志着科学的真正进步。
10/20/2025 1:16:00 PM
机器之心
SIGGRAPH Asia 2025 | OmniPart框架，让3D内容创作像拼搭积木一样简单

SIGGRAPH Asia 2025 | OmniPart框架，让3D内容创作像拼搭积木一样简单
本文的主要作者来自香港大学、VAST、哈尔滨工业大学及浙江大学。 本文的第一作者为香港大学博士生杨运涵。 本文的通讯作者为香港大学刘希慧教授与VAST 公司首席科学家曹炎培博士。
10/20/2025 1:11:00 PM
机器之心
轻量高效，即插即用：Video-RAG为长视频理解带来新范式

轻量高效，即插即用：Video-RAG为长视频理解带来新范式
尽管视觉语言模型（LVLMs）在图像与短视频理解中已取得显著进展，但在处理长时序、复杂语义的视频内容时仍面临巨大挑战 —— 上下文长度限制、跨模态对齐困难、计算成本高昂等问题制约着其实际应用。 针对这一难题，厦门大学、罗切斯特大学与南京大学联合提出了一种轻量高效、无需微调的创新框架 ——Video-RAG。 该研究已被机器学习顶级会议 NeurIPS 2025 接收，为长视频理解任务提供了全新的解决思路。
10/20/2025 1:06:00 PM
机器之心
一个运行了80年的算法，我们现在才真正理解它？

一个运行了80年的算法，我们现在才真正理解它？
从你网购的包裹如何以最快速度送达，到航空公司如何规划数千架飞机的航线以节省燃料，背后都有一个近 80 岁「高龄」的数学方法在默默工作。 它被誉为优化领域的基石，高效又令人信赖。 然而，一个奇怪的事实是：几十年来，没有人能从理论上完美解释它为何如此高效。
10/19/2025 4:21:00 PM
机器之心
ACMMM 2025 | 北大团队提出 InteractMove：3D场景中人与可移动物体交互动作生成新框架

ACMMM 2025 | 北大团队提出 InteractMove：3D场景中人与可移动物体交互动作生成新框架
该论文的第一作者和通讯作者均来自北京大学王选计算机研究所，第一作者为博士生蔡鑫豪，通讯作者为博士生导师刘洋。 团队近年来在 TPAMI、IJCV、CVPR、ICML 等顶会上有多项代表性成果发表，多次荣获国内外多模态理解与生成竞赛冠军，和国内外知名高校、科研机构广泛开展合作。 本文主要介绍来自该团队的最新论文 InteractMove：Text-Controlled Human-Object Interaction Generation in 3D Scenes with Movable Objects。
10/19/2025 4:16:00 PM
机器之心
Self-Forcing++：让自回归视频生成模型突破 4 分钟时长极限

Self-Forcing++：让自回归视频生成模型突破 4 分钟时长极限
本工作由加州大学洛杉矶分校与字节 Seed 等团队联合完成。 在扩散模型持续引领视觉生成浪潮的今天，图像生成早已臻于极致，但视频生成仍被一个关键瓶颈困住——时长限制。 目前多数模型还停留在数秒短视频的生成，Self-Forcing 让视频生成首次跨入 4 分钟高质量长视频时代，且无需任何长视频数据再训练。
10/18/2025 9:57:00 PM
机器之心
稳定训练、数据高效，清华大学提出「流策略」强化学习新方法SAC Flow

稳定训练、数据高效，清华大学提出「流策略」强化学习新方法SAC Flow
本文介绍了一种用高数据效率强化学习算法 SAC 训练流策略的新方案，可以端到端优化真实的流策略，而无需采用替代目标或者策略蒸馏。 SAC FLow 的核心思想是把流策略视作一个 residual RNN，再用 GRU  门控和 Transformer Decoder 两套速度参数化。 SAC FLow 在 MuJoCo、OGBench、Robomimic 上达到了极高的数据效率和显著 SOTA 的性能。
10/18/2025 9:30:00 PM
机器之心
语音助手的「智商滑铁卢」：当GPT开口说话，准确率从74.8%跌到6.1%

语音助手的「智商滑铁卢」：当GPT开口说话，准确率从74.8%跌到6.1%
想象这样一个场景：同一个 AI 模型，用文字交流时对答如流，一旦开口说话就变得磕磕巴巴、答非所问。 这不是假设中的场景，而是当下语音交互系统的真实写照。 杜克大学和 Adobe 最近发布的 VERA 研究，首次系统性地测量了语音模态对推理能力的影响。
10/17/2025 9:53:00 PM
机器之心