公众号
机器之心
专业的人工智能媒体和产业服务平台
这个来源的文章
ICLR2026｜山大、理想汽车和中科院联合提出离线强化学习新范式：让Transformer学会「去其糟粕」
通过学习一个片段「剪辑师」，自动从完整轨迹中剪出最精彩的高回报子轨迹给模型学习。
阅读全文 ：ICLR2026｜山大、理想汽车和中科院联合提出离线强化学习新范式：让Transformer学会「去其糟粕」MLSys 2026 | StreamDiffusionV2: 将视频生成从「离线生成」带入「实时交互」，实现真正可用的生成式直播系统
这不仅是一套可运行的系统方案，更是一种面向未来实时生成场景的设计思路。
阅读全文 ：MLSys 2026 | StreamDiffusionV2: 将视频生成从「离线生成」带入「实时交互」，实现真正可用的生成式直播系统AI编程助手竟成「内鬼」？SKILLJECT：当「技能包」变成「特洛伊木马」
这些看似强大的「技能包」，可能正是攻击者控制你电脑的「特洛伊木马」。
阅读全文 ：AI编程助手竟成「内鬼」？SKILLJECT：当「技能包」变成「特洛伊木马」有效思考激发多模态智能体决策潜力！清华&北大&腾讯联合提出GTR训练新框架
思维引导的强化学习（Guided Thought Reinforcement, GTR）框架，通过自动化修正器提供过程引导，在 RL 训练中实时优化模型的思路，且无需依赖人类的精细标注。
阅读全文 ：有效思考激发多模态智能体决策潜力！清华&北大&腾讯联合提出GTR训练新框架4B模型幻觉抑制能力超越GPT-5，CMU等提出行为校准强化学习新方法
通过重新设计奖励函数，让模型学会「知之为知之，不知为不知」。
阅读全文 ：4B模型幻觉抑制能力超越GPT-5，CMU等提出行为校准强化学习新方法复旦北大联合美团LongCat提出TDAR：用“粗思考，细求证”破解Block Diffusion的速度精度悖论
在保持高效并行优势的同时，解锁其在复杂推理任务上的Test-Time Scaling潜力
阅读全文 ：复旦北大联合美团LongCat提出TDAR：用“粗思考，细求证”破解Block Diffusion的速度精度悖论