RLinf v0.3打通機器人訓練閉環
RLinf v0.3 把資料採集、SFT、強化學習、評測與真機部署接成更完整的具身 AI 訓練流程。
強化學習 資訊與深度分析
收錄 強化學習 相關產品動態與產業觀察，共 7 篇文章。
Oak Lab：為持續學習智能體提出20瓦目標
Oak Lab為持續學習智能體提出20瓦目標。本文整理已核驗事實，以及它為何不只是單一發布消息。
Sutton 稱生成式 AI 不能單靠讀文字做真正科學
這位強化學習先驅認為，下一詞預測模型缺少因果、實驗與自我經驗。
AlphaGo 之父融資 11 億美元打造自學 AI
David Silver 的新公司 Ineffable Intelligence 在種子輪融資 11 億美元，估值達 51 億美元，創下歐洲創投史上最大種子輪紀錄。這位前 DeepMind 研究員計劃透過強化學習打造「超級學習者」AI，與當前主流的大型語言模型路線截然不同。
Mira Murati 新公司 14 個月估值達 120 億美元
前 OpenAI 技術總監 Mira Murati 創立的 Thinking Machines Lab，與 Google Cloud 簽訂數十億美元 GB300 合約，成立僅 14 個月估值已達 120 億美元。
Sony Ace 乒乓球機器人競技中首勝人類
Sony AI 的 Ace 機器人在真實比賽中擊敗業餘菁英與職業聯賽選手，這是機器人首次在真實競技運動中達到菁英級表現。
Kimi K1.5 驗證強化學習驅動推理
月之暗面在 K2 之前發佈的 K1.5，核心在於用純強化學習來提升推理能力，驗證了該方法在中規模模型上的可行性，為後續更大規模模型奠定技術基礎。