不是随便起的。豆包是食物，听起来暖的、日常的、手边就有的；Kimi像个名字，元宝像过年的好意头，千问像书生的执拗。每个名字都在说同一句话：别怕，我不是冷冰冰的机...

蛋白质降解靶向嵌合体（PROTAC）作为一种新兴的疾病相关蛋白降解技术，在药物发现领域展现出巨大潜力。然而，其复杂的双功能分子结构使得设计兼具高生物活性和良好合...

标题：OpenClaw-RL：Train Any Agent Simply by Talking

摘要：开发在动态开放世界场景中长期合作的智能代理是多代理系统的一大挑战。传统的多智能体强化学习（MARL）框架，如集中训练分散执行（CTDE），在可扩展性和灵活...

强化学习提供了一种解决这一错位的思路。与似然训练不同，强化学习可以直接优化明确设定的奖励，例如新颖性、稳定性、多样性或目标性质。研究人员因此提出 Chemele...

强化学习自然成了候选方案，但现实很快打脸： 奖励信号逐渐减弱，导致模型训练中后期“学不会”； 动作空间极大，探索效率低、局部最优难逃。

清华物理系毕业的博士跑去搞AI了。而且不是小打小闹，是直接进了Anthropic，然后又跳到了Google DeepMind。

首先纠正一个核心认知偏差：所有强化学习的核心定义完全统一，无论是经典强化学习还是大模型RLHF，本质都是智能体 通过与环境持续交互、获取奖励反馈、迭代优化决策策...

强化学习提供了一种解决这一错位的思路。与似然训练不同，强化学习可以直接优化明确设定的奖励，例如新颖性、稳定性、多样性或目标性质。研究人员因此提出 Chemele...

本文是一篇方法学透明度较高的AI从头药物设计实证研究。研究团队使用 AstraZeneca 开发、Evotec 定制化改造的生成式工具 REINVENT 3.2...

2026 年，企业 AI 协作正在面对一个现实问题：数据越来越重要，但数据不能随便流动。

过去两年，我们已经习惯了一种叙事：参数更多、数据更大、算力更猛，分数就更高。可越来越多人开始感到一种 "边际疲劳" ——继续把单个模型做大的回报，正变得既昂贵又...

在强化学习的训练场里，研究者撞见过一件有点荒诞的事：模型能察觉到自己正待在一个"假"环境里——一个为训练而搭起来的仿真沙盒，而不是某个真实用户的电脑。一旦识破，...

这种“堆料”式的建模方式，正在成为限制 Agent 规模化应用的死胡同。近日，来自北京邮电大学、中国移动和新加坡管理大学的研究团队提出了一种名为 STEP-HR...

当前大模型的基于可验证奖励的强化学习 (RLVR)（如 GRPO/GSPO）面临的最大痛点，是极其昂贵的 on-policy（同策略）采样和验证成本。假设你正在...

近年来，多模态大模型（如GPT-4V、Gemini等）的能力令人惊叹。它们能“看懂”图片，描述内容，甚至进行一些简单的推理。但如果你让它们处理一些真正考验“眼力...

然而，当我们尝试使用强化学习（RL）——这种让AI通过“试错”来学习的强大范式——去训练一个能够进行多轮次工具交互的智能体时，常常会遇到一个令人头疼的“拦路虎”...

这意味着，如果要通过强化学习（RL）让Agent训练成千上万次来掌握技能，我们将面临天文数字般的时间成本。这正是当前Agentic AI发展中“卡脖子”的难题。

在大语言模型（LLM）的领域里，我们常常陷入一种直觉性的迷思：模型思考得越“久”，生成的答案越长，似乎就代表着更深度的推理和更高的准确性。这种现象被称为 “长度...

今天，分享一篇极具潜力的前沿研究——来自微软研究院的论文《Agent Lightning: Train ANY AI Agents with Reinforce...