AI在线 AI在线

AttnRL

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