清华刘知远团队论文：在严格可控情况下从新答复「强化进修可否教会大年夜模型新才能」丨ICLR 2026 强化学习改变了模型组织技能的方式，而非简单提升指标。 互联网 2026年02月10日 0 点赞 0 评论 88 浏览
北大年夜林宙辰团队论文：从数据中自适应进修时序猜测损掉丨ICLR 2026 QDF：以极大似然估计为起点，结合元学习思想重构预测模型损失函数，实现跨模型泛化。 互联网 2026年02月13日 0 点赞 0 评论 35 浏览
腾讯混元 x MBZUAI 港中文新研究：将纠错纳入策略空间，Search-R2 重构搜刮加强推理进修方法 智能体性能优势并非来自更多尝试，而来自对失败路径的精确处理。 互联网 2026年02月13日 0 点赞 0 评论 71 浏览
