机器之心报道。 虽然大多数强化学习（RL）方法都在使用浅层多层感知器（MLP），但普林斯顿大学和华沙理工的新研究表明，将对比 RL（CRL）扩展到 1000 层可以显著提高性能，在各种机器人任务中，性能可以提高最多 50 倍。 论文标题：1000 Layer Networks for Self-Supervised RL: Scaling Depth ...

近年来，强化学习（Reinforcement Learning, RL）作为人工智能领域的重要分支，经历了飞速的发展。从最初的学术探索到如今的广泛应用，强化学习的演变不仅改变了人工智能的研究方向，也为多个行业带来了革命性的变化。在这篇文章中，我们将回顾强化学习过去十年的发展历程，探讨其未来可能的走向。 强化学习的早期阶段 强化学习的起源可以追溯到20世纪50年代，但真正引起学术界广泛关注是在近年来 ...

作者｜王兆洋邮箱｜[email protected] 来了。4月5日，Meta发布了外界期待许久的Llama4系列开源模型，目前它包括Llama 4 Scout、Llama 4 Maverick和Llama 4 ...

怕一些没碰过实际工程系统的朋友们误解，做一点信息上的补充。“MPC难以做到Realtime”这句话是错的，并不是因为前沿的MPC实现已经到处跑了，而是最学生、最实验室的方法都能做到实时：simulink中的时变线性含约束MPC，用PLC Coder生成的ST语言代码，200个步长的horizon，放到x86 based ...

这篇论文的名字叫做 Inference-Time Scaling for Generalist Reward Modeling ，由DeepSeek和清华大学共同提出。 它采用点式生成奖励模型（Pointwise ...

DeepSeek和清华的研究者发现，在RM方法上采用点式生成式奖励建模（Pointwise Generative Reward Modeling, GRM），就能提升模型对不同输入类型的灵活适应能力，并具备推理阶段可扩展的潜力。

2025年4月4日，服装、服饰与奢侈品公司拉夫劳伦（RL）成交额为5.99亿美元，在当日美股中排第294名，成交额较昨日减少9.89%，当日成交量为306.08万。

智元首席科学家罗剑岚认为，国内具身智能领域更注重产业落地与商业化，强调用实际问题驱动科研。作为伯克利博士及前谷歌研究员，他主张强化学习（RL）路线，认为国内硬件与场景优势填补了基础研究与产业间的鸿沟，而美国则因资本充裕更倾向长期基础研究，导致落地滞后 ...

机器之心报道机器之心编辑部一种全新的学习方法。这会是 DeepSeek R2 的雏形吗？本周五，DeepSeek 提交到 arXiv 上的最新论文正在 AI 社区逐渐升温。当前，强化学习（RL）已广泛应用于大语言模型（LLM）的后期训练。最近 RL ...

癌症治疗领域正面临一个严峻挑战：尽管靶向治疗和免疫疗法取得突破，但实体瘤通过复杂的进化机制产生耐药性，导致约90%化疗失败和50%靶向治疗失效。这种"进化逃逸"现象涉及表观遗传改变、肿瘤微环境重塑、药物外排泵过表达等多层次机制，传统单靶点研究范式已难以应对。在此背景下，Hao Zhang与Wendy Mao领衔的研究团队在《Journal of Translational ...

为解决机械取栓（MT）中现有强化学习（RL）方法无法到达脑血管、缺乏通用性和安全性等问题，研究人员开展了基于安全双器械 RL 算法的脑血管导航研究。结果显示该算法成功率达 96%，平均力 0.24N。这为 MT 的自动化提供了新方向。

Grok做了解答，顺便diss了一把波士顿动力：擎天柱注重实用、可规划应用于工业场景，其目标是以每台约3万美元的价格部署在工厂中、完成精密任务，计划到2025年生产超过1000台。