Q学习重新接上世界模型

QWM让Q学习先在世界模型里预演，再用真实经验学习，兼顾样本效率与可信落地。

深度专题 FEATURES — 3

PAPER HF 44

SPADE让同一个LLM边造可执行训练世界、边闯关，把AI升级的难题推向“谁来持续出好题”。

PAPER

128张每张约60美元的二手V100合力服务70B模型：省下硬件钱，却把账单转向电力与运维。

PAPER

机器人靠机载视觉边追边踢，在真实RoboCup赛场检验感知与全身控制。

速览 BRIEFS — 9

PAPER

用“看状态猜动作”防止JEPA学成一团，在复杂场景中胜过高斯约束。

PAPER

TileMix按GPU计算块分配FP16或INT8，在长文本预填充中兼顾速度与精度。

PAPER

MoNe给冻结Transformer外挂可更新记忆，读到128K上下文也无需重训主模型。

PAPER

GUPO给每组梯度估算可信度，减少冲突信号对GRPO更新的干扰。

PAPER

Co-RL让不同Agent互相当老师，在没有标准答案时也能练出更强推理。

HF 90

PAPER

LEGO-RL把工具、仓库与执行反馈一并纳入代码Agent的强化学习训练。

HF 22

PAPER

技能按需加载能省Token，但前提是把缓存折扣和取用开销算清楚。

PAPER

SemComp-Bench不只评画面好不好看，还检查指令要求的事情是否真的办成。

HF 155

PAPER

Nature综述绘出医疗LLM全流程风险地图，把安全检查从模型一路延伸到临床现场。