标题：人大高瓴赵鑫团队新作：拆解 RLVR，优化推理模型训练 正文： 大语言模型在数学题、任务规划等复杂任务中暴露出一个核心问题：会生成不等于会推理。尽管行业通过 RLHF 和奖励技术提升了模型表现，但“一本正经胡说八道”的现象仍普遍存在。人大高瓴学院赵鑫团队针对这一问题展开研究，提出了一种新的...

2026年1月，李飞飞创立的World Labs与光轮智能达成合作，标志着具身智能正式迈入评测驱动时代。World Labs专注于空间智能，推出可视化世界模型产品Marble，可生成高保真3D环境并支持多种格式导出。光轮智能则凭借全栈自研仿真技术体系，解决物理对齐与规模化评测难题。双方分工明确：Marble负责环境生成，光轮承担物理资产与评测闭环建设。此次合作旨在应对具身智能领域日益突出的“规模化评测”问题，推动行业标准化发展。光轮智能此前已推出RoboFinals评测平台，并与英伟达联合开发Isaac Lab Arena，成为行业基础设施核心角色。

正文：2026年1月，MIT CSAIL研究团队提出一种名为递归语言模型（RLM）的创新方法，使大模型无需修改架构即可处理千万级token的超长文本。RLM通过将上下文处理外包给Python编程环境，利用自动编程和递归调用按需拆解任务，解决了传统模型在超长文本中易出现的“上下文腐烂”问题。实验显示，RLM在复杂任务中性能显著提升，如OOLONG-Pairs任务中，GPT-5和Qwen3-Coder的F1分数分别提升至58.00%和23.11%；BrowseComp-Plus任务中，RLM（GPT-5）正确率达91.33%。此外，RLM成本在常规场景下具有优势，但在高复杂度任务中可能因动态推理增加开销。

2025年11月，月之暗面联合清华大学推出全新强化学习加速引擎Seer，显著提升LLM训练效率。该框架通过推理引擎池、请求缓冲区和上下文管理器三大模块，结合分段生成、上下文感知调度及自适应分组推测解码技术，实现Rollout效率提升74%～97%，长尾延迟减少75%～93%。实验表明，Seer在Moonlight、Qwen2-VL-72B等模型任务中性能大幅超越基线系统veRL，尤其在长尾延迟优化上表现突出。此外，月之暗面正与IDG Capital等机构洽谈新一轮数亿美元融资，估值达40亿美元，并计划年底前完成融资，明年下半年启动IPO进程。

11月23日，Meta推出WorldGen系统，可基于单条文本提示生成交互式3D世界，支持沉浸式探索。该技术结合程序化逻辑推理、扩散模型和场景分解方法，生成几何严谨、视觉丰富的场景，适用于游戏、仿真及社交环境。相比现有方法多依赖单一视角构建，WorldGen能生成50米×50米范围的全纹理场景，确保风格与结构一致性，且兼容Unity、Unreal等主流引擎。目前，WorldGen仍处研究阶段，尚未开放使用，未来将拓展空间规模并优化延迟问题。

正文：2025年11月17日，前Meta研究员田渊栋团队发布了一篇关于大模型强化学习（RL）训练现象的研究论文。研究聚焦于RL训练虽显著提升性能，却仅改变极少数参数的奇特现象。论文提出‘三门理论’，揭示了RL参数更新背后的深层机制：KL锚定限制漂移，模型几何引导低曲率方向优化，bfloat16精度过滤微小变化。实验表明，RL更新稀疏度高达36%-92%，远超监督微调（SFT）的0.6%-18.8%。此外，研究发现传统参数高效微调方法在RL中效果不佳，主成分权重更新常导致不稳定。论文为RL算法设计提供了新思路。

NuerIPS唯一满分论文曝光，来自清华上交 近日，一篇来自清华大学和上海交通大学的论文在人工智能领域引发轰动，成为NuerIPS唯一获得满分评价的研究。这篇论文挑战了当前大模型推理能力提升的核心假设：真正决定推理上限的是基座模型本身，而非强化学习（RLVR）。研究还指出，蒸馏方法比强化学习更有望实...

2025年11月，兔展智能与北京大学联合发布图像编辑模型UniWorld-V2，刷新多项SOTA成绩。该模型在中文细节控制和复杂指令理解上表现优异，例如精准修改手势、渲染艺术中文字体及实现精细化空间编辑。其核心创新为UniWorld-R1框架，首次将强化学习应用于统一架构的图像编辑，采用扩散负向感知微调（DiffusionNFT）技术，并使用多模态大语言模型（MLLM）作为免训练奖励模型。在GEdit-Bench和ImgEdit基准测试中，UniWorld-V2分别以7.83分和4.49分超越OpenAI的GPT-Image-1等顶尖模型。研究团队还公开了论文、代码及模型，供后续研究使用。

让机器人在“想象”中学习世界的模型来了！ 近日，斯坦福PI联合创始人Chelsea Finn与清华大学陈建宇团队合作提出了一种突破性世界模型——Ctrl-World。该模型允许机器人在虚拟空间中完成任务预演、策略评估和自我迭代，大幅提升训练效率。研究显示，使用零真机数据的情况下，Ctrl-World...

2025年10月，智元机器人联合OpenDriveLab在杭州IROS举办的AGIBOT World Challenge线下决赛圆满落幕。清华大学与上海AI Lab的AIR-DREAM团队夺得冠军，华南理工大学‘单人成团’获亚军，香港大学Firebot团队摘得季军。比赛聚焦Manipulation和World Model两大方向，设置整理杂货、衣物折叠、倒水等六大真实场景任务，考察机器人操作精度与泛化能力。冠军团队凭借X-VLA模型解决跨平台数据难题，华南理工曾嘉龙分享低成本高效优化经验，港大陈天行依托仿真平台快速搭建技术路线。本次赛事吸引全球431支队伍参与，总奖池达56万美元。同期，智元机器人展出精灵G2等产品，其射箭功能首次亮相并开放体验。