相关资讯
世界模型再进化！博士AdaWM：自适应世界模型规划新SOTA
本文经自动驾驶之心公众号授权转载，转载请联系出处。 论文链接：：基于自适应世界模型的自动驾驶规划。 基于世界模型的强化学习（RL）已经成为一种有前景的自动驾驶方法，它学习潜在动态模型并且用其训练规划策略。
1/26/2025 11:00:00 AM
自动驾驶专栏
超越DeepSeek-R1关键RL算法GRPO，CMU「元强化微调」新范式登场
大语言模型（LLM）在推理领域的最新成果表明了通过扩展测试时计算来提高推理能力的潜力，比如 OpenAI 的 o1 系列。 通常来说，这些方法在训练模型时可以产生比典型正确解决方案更长的轨迹，并包含了试图实现某些「算法」的 token：例如反思前一个答案、规划或实现某种形式的线性搜索。 这些方法包括显式地微调预训练 LLM 以适应算法行为，例如对搜索数据进行监督微调（SFT）或针对 0/1 正确性奖励运行结果奖励（outcome-reward，OR）RL。
3/13/2025 11:07:30 AM
机器之心
业界突破多模态泛化推理能力，OPPO研究院&港科广提出OThink-MR1技术
用上动态强化学习，多模态大模型也能实现泛化推理了？ 来自OPPO研究院和港科广的科研人员提出了一项新技术——OThink-MR1，将强化学习扩展到多模态语言模型，帮助其更好地应对各种复杂任务和新场景。 研究人员表示，这一技术使业界突破多模态泛化推理能力。
3/31/2025 9:22:00 AM
量子位
- 1