📡
@rahulchhabra07 团队发布RLNF 训练方法
𝕏2026 年 10 月 30 日
📡
Google DeepMind发布道德困境论证训练论文
𝕏2026 年 10 月 26 日
📡
Baseten 拉了个 RL 环境联盟，帮客户搭定制后训练环境
𝕏2026 年 10 月 24 日
📡
RLCR 把大模型当公司训，还能自己招验证员
𝕏2026 年 10 月 23 日
📡
OpenAI思维链变乱码，蒸馏追模型的路要断了？
𝕏2026 年 10 月 21 日
📡
@zhaoywang_CS 及其团队发布WildAWM（Agent World Model in the Wild）(341 组环境-任务对)
𝕏2026 年 10 月 21 日
📡
腾讯发布终端智能体递归自我改进论文(20.68%)
𝕏2026 年 10 月 18 日
📖
多数强化学习任务质量不佳，我总结出优质任务的四个关键组件
任务设计AI2026 年 10 月 14 日
📡
ThunderSync 让长周期智能体任务强化学习提速1.9倍
𝕏2026 年 10 月 14 日
📡
micahgoldblum发布Exploration-Distillation 强化学习框架
𝕏2026 年 10 月 14 日
📡
NVIDIA 论文介绍 LoGRA 训练方法省显存
𝕏2026 年 10 月 13 日
📡
qingke_ai 推出 slime RL后训练框架主页
𝕏2026 年 10 月 12 日
📖
LLM后训练选RL算法，用旧数据提吞吐，可能让更新噪声变大
AI大语言模型2026 年 10 月 10 日
📡
Agentic RL 基建综述对比11家公开技术报告
𝕏2026 年 10 月 10 日
📡
Tinker降价长上下文推理token
𝕏2026 年 10 月 10 日
📡
硅谷观察者推荐当前最值得关注的GRPO算法
𝕏2026 年 10 月 10 日
📡
Google工程师推荐开源中文强化学习教程EasyRL蘑菇书
𝕏2026 年 10 月 10 日
📡
@StellaLisy 发布 ExploreNet 研究改进扩散强化学习
𝕏2026 年 10 月 9 日
📡
ben_burtenshaw 推出Open Env Arena强化学习竞技场
𝕏2026 年 10 月 8 日
📡
Kay 讨论特定领域小模型的新机会
𝕏2026 年 10 月 6 日
📡
omarsar0 认为强化学习能大幅降低智能体成本
𝕏2026 年 10 月 6 日
📡
OpenEnv 让代码 harness 转为 RL 训练环境
𝕏2026 年 10 月 5 日
📡
ben_burtenshaw / Hugging Face Hub发布强化学习环境托管服务
𝕏2026 年 10 月 5 日
📡
UCLA发布《大语言模型的强化学习》公开课
𝕏2026 年 10 月 5 日
📖
多环境强化学习指南：开放模型适配不同编码环境
AI开源2026 年 10 月 4 日
📡
Hugging Face 披露多框架强化学习新研究
𝕏2026 年 10 月 4 日
📡
Gautham Vasan发布博士论文《机器人通过真实世界交互快速学习》(三)
𝕏2026 年 10 月 4 日
📡
2.6B小模型 训练后成功率提升12% 工具调用减31%
𝕏2026 年 10 月 3 日
📡
@wen_kaiyue发布Actor-Critic with Action Chunking (AC2) 研究
𝕏2026 年 10 月 3 日
📡
huggingface团队, adithya_s_k发布多环境强化学习终极指南(62%)
𝕏2026 年 10 月 2 日
📡
新研究提升大模型智能体强化学习效果
𝕏2026 年 10 月 2 日
📡
@adithya_s_k发布多智能体框架强化学习终极指南(42%)
𝕏2026 年 10 月 2 日
📡
Clef 开源决策模型和 RL 微调平台
𝕏2026 年 10 月 2 日
📡
@gdb发布前沿强化学习训练安全实用指南
𝕏2026 年 9 月 29 日
📡
Amazon AGI 提出 AutoGym 生成强化学习环境
𝕏2026 年 9 月 29 日
📡
小米开源强化学习训练环境数据集(~7K)
𝕏2026 年 9 月 27 日
📡
adithya_s_k / OpenEnv发布OpenEnv强化学习环境集(7K+)
𝕏2026 年 9 月 27 日
📡
Xiaomi开源7k+ 强化学习任务环境(7k+)
𝕏2026 年 9 月 26 日
📡
MiMo团队发布MiMo-V2.6 强化学习研究、蒸馏模型、训练框架(V2.6)
𝕏2026 年 9 月 22 日
📡
PyTorch大会将展示AMD适配vime强化学习框架
𝕏2026 年 9 月 22 日
📡
MiMo-V2.6开源最大规模强化学习冲AGI
𝕏2026 年 9 月 22 日
📡
强化学习环境分为两类，环境设计缺陷可能导致模型有害行为
𝕏2026 年 9 月 22 日
📡
适配多模型的Multi-harness RL训练工具开源
𝕏2026 年 9 月 17 日
📡
MiMo-V2.6 正在进行强化学习扩展训练
𝕏2026 年 9 月 17 日
📡
小米MiMo团队押注RL 砸算力训练大模型
𝕏2026 年 9 月 17 日
📡
fal优化H3 Max，5秒视频3秒内生成
𝕏2026 年 9 月 16 日
📡
博主整理AI Agent强化学习学习材料
𝕏2026 年 9 月 16 日
📡
natolambert发布《通过永不放弃学习解决大语言模型强化学习中的难题》(2609.13443)
𝕏2026 年 9 月 16 日
📡
FlashREINFORCE 解决异步 RL 经典取舍问题
𝕏2026 年 9 月 14 日
📖
前沿实验室的共同做法：一次尝试，一台真机
AI大语言模型2026 年 9 月 12 日
📡
T1模型超GLM-5.1，强化学习性能提升显著
𝕏2026 年 9 月 11 日
📡
dsh配合大语言模型内部强化学习的五个技术发现
𝕏2026 年 9 月 11 日
📡
Gradient提出DynaWeb，靠想象训练网络智能体
𝕏2026 年 9 月 10 日
📡
JustRL II 优化长上下文强化学习 GRPO
𝕏2026 年 9 月 8 日
📡
研究员回忆 RLSlow 最初的研究思考
𝕏2026 年 9 月 7 日
📡
adithya_s_k发布代码模型强化学习涂鸦完整开源复现项目
𝕏2026 年 9 月 3 日
📡
批量缩放研究对大模型强化学习训练的启示
𝕏2026 年 9 月 3 日
📡
网友分享4个AI入门有用的教程视频
𝕏2026 年 9 月 3 日
📡
Cameron Wolfe 拆解了LLM后训练烧算力环节
𝕏2026 年 9 月 1 日
📡
AI研究者看好HuggingFace合作方的强化学习训练项目
𝕏2026 年 8 月 28 日
📡
@Thom_Wolf发布Microduck 定价不到400美元
𝕏2026 年 8 月 27 日
📡
DiffusionOPSD 优化扩散模型训练效率最高提44%
𝕏2026 年 8 月 27 日
📡
adaption_ai发布AutoScientist Alignment 功能
𝕏2026 年 8 月 25 日
📡
@kickingkeys提出可用代码模型强化学习做JS绘图
𝕏2026 年 8 月 24 日
📡
NVIDIA开源Molt：轻量可扩的智能体训练框架
𝕏2026 年 8 月 23 日
📡
siddarthv66 @ MistralAI发布LE CRITIQUE 研究论文(2)
𝕏2026 年 8 月 19 日
📡
radixark发布Miles v0.1开源强化学习框架
𝕏2026 年 8 月 19 日
📡
Sergey Levine发布Deep Reinforcement Learning 2026春季版课程资料(2026)
𝕏2026 年 8 月 17 日
📡
业内人士惊叹多架构智能体委托的强化学习系统搭建
𝕏2026 年 8 月 17 日
📡
TEMPO方法提升ARC-AGI-3平均分超三成
𝕏2026 年 8 月 15 日
📡
谷歌DeepMind用强化训练让AI练临床看病
𝕏2026 年 8 月 11 日
📡
研究员用大模型做强化学习 意外重识人性
𝕏2026 年 8 月 11 日
📡
slime_framework 开源GLM-5.2级训练对齐工具
𝕏2026 年 8 月 11 日
📡
这项开源研究解决了大模型训练推理不一致问题
𝕏2026 年 8 月 7 日
📡
不用云端API，教你本地训练智能体
𝕏2026 年 7 月 29 日
📡
一个通用框架搞定足式机器人两类运动任务
𝕏2026 年 7 月 28 日
📡
原来强化学习给大模型带来的增益可以提前预测
𝕏2026 年 7 月 27 日
📡
强化学习环境数据整理才是RSI的核心？
𝕏2026 年 7 月 27 日
📡
有人提前猜连锁餐厅会转做强化学习环境
𝕏2026 年 7 月 26 日
📡
找RLVR新任务？可以试试这个全栈框架
𝕏2026 年 7 月 22 日
📡
现有强化学习基准太假，新基准更贴合真实场景
𝕏2026 年 7 月 14 日
📡
前沿实验室保密的RL训练环境，现在开源免费了
𝕏2026 年 7 月 13 日
📡
强化学习扩参竟能稳定提升元学习能力
𝕏2026 年 7 月 3 日
📡
整理了10款用于智能体强化学习的开源工具
𝕏2026 年 6 月 22 日
📡
PPO算法在大语言模型时代迎来第二发展浪潮
𝕏2026 年 6 月 18 日
📡
HomeMadeGarbage用OpenAI Codex构建具生物特征的交互机器人
𝕏2026 年 6 月 14 日
📡
Kyutai实验室用强化学习优化全双工语音模型交互性
𝕏2026 年 6 月 11 日
📡
新方法QGF优化扩散策略训练，避开BPTT不稳定性
𝕏2026 年 6 月 11 日
📡
SAERL用稀疏自编码器激活指导大模型训练数据工程
𝕏2026 年 5 月 28 日
📡
RL微调居然在拖大模型推理后腿
𝕏2026 年 5 月 23 日
📡
7B小模型当上了GPT-5的老板
𝕏2026 年 5 月 12 日
📡
UCLA教授把RL+LLM训练拆成手把手教程
𝕏2026 年 5 月 11 日
📡
GPT-5.4没训练，靠改代码打满分砖块
𝕏2026 年 5 月 9 日
📡
不用啃公式，写代码就能从CartPole玩到RLHF
𝕏2026 年 5 月 8 日
📡
训练AI代理不用手写奖励函数了
𝕏2026 年 4 月 29 日
📡
RL微调让大模型过早‘死机’？
𝕏2026 年 4 月 24 日
📡
经验回放能让大模型训练省掉四成算力
𝕏2026 年 4 月 15 日
