强化学习归档 - 第21页共46页

Agentic 是个谎言，本质还是经典RL

2025年4月21日23时作者极市干货

本文深入探讨了Agentic概念，指出其实质仍是经典强化学习（RL）。通过分析字节跳动的VeRL框架和相关实践案例，强调构建高质量、高效能的环境对于推进大模型RL训练的重要性。

2025年4月21日16时作者机器之心

本文介绍了一种新的强化学习框架Search-R1，用于训练大语言模型以更有效地利用搜索引擎。通过引入可交互的搜索引擎模块，模型能够在生成答案时随时发起搜索请求，从而提升推理质量。

2025年4月21日16时作者机器之心

了？大语言模型（LLM）推理需要强化学习（RL）来「加 buff」。
著名 AI 研究者和博主 Se

2025年4月20日23时作者 NLP工程化

文章讨论了AI发展的两个阶段，前半段侧重模型训练方法，后半段将转向问题定义和评估，强调评估变得比训练更重要。

2025年4月20日23时作者 NLP工程化

Sebastian Raschka 分享了关于强化学习推理现状的文章内容，包括理解推理模型、RLHF 基础知识、PPO 算法介绍及 GRPO 的应用等，并探讨了训练推理模型的经验和研究论文。

2025年4月20日16时作者机器之心

扩散模型通过新框架d1实现推理功能，结合监督微调与新颖策略梯度方法diffu-GRPO提升数学和逻辑推理能力。

2025年4月19日16时作者 AI前线

太平洋彼岸的 Meta 公司便发布了 Llama 4 模型。该模型参考了 DeepSeek 的技术，

2025年4月19日16时作者机器之心

最新研究提出F5R-TTS系统，通过概率化输出和GRPO优化方法成功将强化学习整合到非自回归TTS中，显著提升语音合成质量。