Tag: reinforcement-learning
All the articles with the tag "reinforcement-learning".
-
千层网络的涌现：NeurIPS 2025 最佳论文让强化学习告别「浅层宿命」
NeurIPS 2025 最佳论文：把自监督对比强化学习的策略/价值网络从 4 层一路堆到 1024 层，性能提升 2–50 倍，还在临界深度处涌现出直立行走、翻墙杂技等全新技能——强化学习的「深度无用论」被推翻了。
-
灵活性陷阱：扩散语言模型"想先写哪句写哪句"，为什么反而变笨了？
ICML 2026 杰出论文揭示：扩散语言模型引以为傲的"任意顺序生成"，在数学和代码推理上反而是陷阱——模型会系统性绕开关键的逻辑分岔点，导致推理潜力坍缩。清华团队提出的 JustGRPO 用最朴素的左到右 GRPO 反超一众复杂方法，GSM8K 达 89.1%，且推理时并行解码能力完好无损。