← 返回话题列表

# 策略迭代

相关话题

2025-04-20

强化学习与生成式世界模型新框架

清华提出光滑策略迭代SPI提升对抗强化学习收敛速度；UCLA-Meta发布d1框架用类GRPO强化学习优化扩散LLM推理；AETHER开源首个融合重建-预测-规划的生成式世界模型，三大新框架同步推进决策智能与仿真能力边界。
强化学习 世界模型 扩散LLM 策略迭代 仿真
📰 3 条相关内容 查看详情 →