微信团队提出 D3S：动态双层下采样加速大模型 RL 对齐
让每一项优秀工作，被更多人看见：点击进入投稿通道
论文标题：LEARNING MORE WITH LESS: A DYNAMIC DUAL-LEVEL
...
OpenMOSS 团队提出 BandPO：通过概率感知边界连接 LLM RL 中的信任区域与比率裁剪
让每一项优秀工作，被更多人看见：点击进入投稿通道
论文标题：BandPO: Bridging Trust Regions and Ratio Clip
...
ICLR 2026: 探讨无监督 RLVR 在 LLM 训练中的扩展边界
让每一项优秀工作，被更多人看见：点击进入投稿通道
论文标题：How Far Can Unsupervised RLVR Scale LLM Train
...
OpenAI 新作：推理模型在控制思维链上面临困难
让每一项优秀工作，被更多人看见：点击进入投稿通道
论文标题：Reasoning Models Struggle to Control their Ch
...
Meta 新作 Agentic Code Reasoning: 大模型代码语义推理与半形式化验证
让每一项优秀工作，被更多人看见：点击进入投稿通道
论文标题：Agentic Code Reasoning
论文链接：https://arxiv.o
...
LK Losses：投机采样中接受率的直接优化方法
让每一项优秀工作，都被更多人看见：点击进入投稿通道
论文标题：LK Losses: Direct Acceptance Rate Optimizati
...
腾讯混元提出 RubricBench：对齐模型生成的评分标准与人类标准
让每一项优秀工作，都被更多人看见：点击进入投稿通道
论文标题：RubricBench: Aligning Model-Generated Rubric
...
Weak-Driven Learning：弱模型如何助力强模型突破后训练瓶颈
让每一项优秀工作，都被更多人看见：点击进入投稿通道
论文标题：Weak-Driven Learning: How Weak Agents make S
...
Agentic Proposing——基于组合技能合成的大语言模型推理增强
论文标题：Agentic Proposing: Enhancing Large Language Model Reasoning via Composi
...
美团提出 DynaMO：面向RLVR的动态Rollout分配与优势调节策略
论文标题：How to Allocate, How to Learn? Dynamic Rollout Allocation and Advantage
...
