MSRA清北推出强化预训练！取代传统自监督，14B模型媲美32B
微软亚洲研究院联合清华大学、北京大学提出RPT预训练范式，将强化学习深度融入预训练阶段，通过生成思维链推理序列和使用前缀匹配奖励来提升模型预测准确度。
强化学习
103K「硬核」题，让大模型突破数学推理瓶颈
本文介绍了一篇关于 DeepMath-103K 数据集的研究论文，该数据集旨在解决当前大语言模型在数学推理训练中的数据瓶颈问题。论文详细描述了其高难度、新颖性和纯净性的特点，并展示了在多个基准测试中的卓越性能。
视觉感知驱动的多模态推理：阿里通义提出VRAG-RL，定义下一代检索增强生成
VRAG-RL 是一种基于强化学习的视觉检索增强生成方法，通过引入多模态智能体训练，实现了视觉语言模型在检索、推理和理解复杂视觉信息方面的显著提升。
GraphRAG的优劣势及文档解析结合RL强化学习新思路Infinity Parser
在2025年6月11日的文章中，探讨了《Infinity Parser》结合强化学习和文档解析数据集的构建，并介绍了《When to use GraphRAG: A Comprehensive Analysis for Graph Retrieval-Augmented Generation》，分析了GraphRAG在不同场景下的有效性。
视频生成1.3B碾压14B、图像生成直逼GPT-4o！港科&快手开源测试时扩展新范式
香港科技大学联合快手可灵团队提出EvoSearch方法，通过演化搜索提升视觉生成模型的性能。该方法无需训练参数，仅需计算资源即可在多个任务上取得显著最优效果，并且具有良好的扩展性和泛化性。
地铁换乘都搞不定？ReasonMap基准揭示多模态大模型细粒度视觉推理短板
ReasonMap 是首个聚焦于高分辨率交通图的多模态推理评测基准，用于评估大模型在理解图像细粒度结构化空间信息方面的能力。
强化学习之父：LLM主导只是暂时，扩展计算才是正解
新晋图灵奖得主Richard Sutton预测大模型主导是暂时的，未来五年甚至十年内AI和强化学习将转向通过Agent与世界的第一人称交互获取‘体验数据’的学习。他强调AI需要新的数据来源，并且要随着增强而改进。他认为真正的突破还是来自规模计算。
无需SFT也不用RL，样本级推理优化神器SLOT来了，准确率轻松+10%
西湖大学研究团队提出SLOT方法，在推理时通过优化delta参数向量调整输出词汇概率分布，显著提升语言模型在复杂指令上的表现。