本文第一作者为上海交通大学计算机科学四年级博士生万梓煜，主要研究方向为强化学习、基础模型的复杂推理，通讯作者为上海交通大学人工智能学院温颖副 教授和上海人工智能实验室胡舒悦老师。团队其他成员包括来自英属哥伦比亚大学的共同第一作者李云想、Mark Schmidt 教授，伦敦大学学院的宋研、杨林易和 汪军教授，上海交通大学的温潇雨，王翰竟和张伟楠教授。 引言 最近，关于大模型推理的测试时间扩展（Test time scaling law ）的探索不断涌现出新的范式，包括① 结构化搜索结（如 MCTS），② 过程奖励模型（Process Reward Model ）+ PPO，③ 可验证奖励 （Verifiable Reward）+ GRPO（DeepSeekR1）。然而，大模型何时产生 "顿悟（AhaMoment）" 的机理仍未明晰。近期多 项研究提出推理模式（reasoning pattern）对于推理能力的重要作用。类似的，本研究认为 大模型复杂推理的能力强弱本质在于元思维能力的强弱。 所谓 "元思维" （meta-thinking），即监控、评估和控制自身的推理过程，以实现更具适应性和有效性的问题解决，是智 ...

机器之心报道 机器之心编辑部 恭喜获奖者。 RSS（Robotics: Science and Systems，机器人科学与系统会议）是机器人领域顶级学术会议，自 2005 年起每年举办一次，该会议旨在促进机器人领域的科学研究和 技术应用的发展。 地址：https://roboticsconference.org/program/awards/ 杰出 Demo 论文奖 论文标题：Demonstrating MuJoCo Playground 论文摘要： 该研究提出了 MuJoCo Playground—— 这是一个基于 MJX 构建的完全开源机器人学习框架，其核心设计目标是大幅简化仿真环境搭建、模型训练以及 仿真到现实场景的迁移全流程。研究人员仅需执行简单的「pip install playground」安装命令，即可在单 GPU 硬件上完成分钟级策略训练。 该框架支持四足机器人、人形机器人、灵巧手及机械臂等多类型机器人平台，能够直接基于状态观测或像素级输入实现零样本仿真到现实迁移。 今年大会已于 6 月 21 日至 25 日在美国洛杉矶举行。杰出 Demo 论文奖、杰出系统论文奖、杰出学生论文奖、杰出论文奖 ...

6 月 27 日 -6 月 28 日， AICon 全球人工智能开发与应用大会北京站 即将拉开帷幕。本次大会 将汇聚 AI 前沿技术与落地实践，邀请来自腾讯、阿里、百度、字节跳动等头部大厂以及智谱、 硅基流动、智象未来、声智科技等 AI 企业的 50+ 资深专家，深度探讨 AI Agent、多模态应用、 推理性能优化以及 AI 在软件研发、数据分析、业务运营等场景的具体落地实践。 京东集团算法总监韩艾已确认出席并发表题为《 JDAgents-R1：基于强化学习的异构多智能体 联合进化算法 》的主题分享。多智能体强化学习（MARL）已成为处理日益复杂任务的重要范 式。然而，异构智能体之间的联合进化仍面临合作效率低与训练不稳定等挑战。为此，京东提出 了 一 种 面 向 MARL 的 联 合 进 化 算 法 框 架 JDAgents-R1 ， 该 方 法 首 次 将 组 相 对 策 略 优 化 （GRPO）应用于异构多智能体的联合训练中。通过迭代优化智能体的大语言模型（LLMs）与自 适应记忆机制，JDAgents-R1 实现了决策能力与记忆能力的动态均衡，并能有效减少重复推理、 加快训练收敛。在通用场景以及商家定 ...

以下文章来源于雷峰网 ，作者赖文昕 雷峰网 . 洞见智能未来，共与产业变迁 中国强化学习研究的半壁江山。 作者 | 赖文昕 编辑丨陈彩娴 来源 | 雷峰网 （ID：leiphone-sz） 作为一支在 AI 领域历经数十年的研究分支，强化学习仍在历久弥新。 从推荐系统到强化学习 2006 年暑假的一个午后，汪军踏上了从荷兰小城代尔夫特开往首都阿姆斯特丹的火 车，他将在阿姆斯特丹换乘飞机，飞往美国西雅图参加第 29 届国际计算机协会信息检 索大会（ACM SIGIR）。 此时的信息检索领域如日中天，加上微软、雅虎和谷歌三巨头最核心的业务也是搜索， ACM SIGIR 每年都能汇集学术界与工业界的最高人才，来开一场信息检索界的"年 会"。 在华盛顿大学的会场里，汪军在一片掌声中获得了最佳博士联盟奖，于博士毕业的前一 年拿下了信息检索领域博士的最高荣誉。 这位意气风发的青年此刻并未想到，自己将会在 15 年后再获得时间检验奖的荣誉提名 ——2021 年的汪军已转向强化学习（RL）数年，作为发起人之一成立了华人强化学习 社区RL China，为国内强化学习研究培养了一批优秀的青年人才，成为领域的"一代宗 师"。 汪军 ...

2006 年暑假的一个午后，汪军踏上了从荷兰小城代尔夫特开往首都阿姆斯特丹的火车，他将在阿姆斯特丹换 乘飞机，飞往美国西雅图参加第 29 届国际计算机协会信息检索大会（ACM SIGIR）。 " 他们构成中国强化学习研究的半壁江山。 " 作者丨赖文昕 编辑丨陈彩娴 作为一支在 AI 领域历经数十年的研究分支，强化学习仍在历久弥新。 01 从推荐系统到强化学习 此时的信息检索领域如日中天，加上微软、雅虎和谷歌三巨头最核心的业务也是搜索，ACM SIGIR 每年都能 汇集学术界与工业界的最高人才，来开一场信息检索界的"年会"。 在华盛顿大学的会场里，汪军在一片掌声中获得了最佳博士联盟奖，于博士毕业的前一年拿下了信息检索领域 博士的最高荣誉。 这位意气风发的青年此刻并未想到，自己将会在 15 年后再获得时间检验奖的荣誉提名——2021 年的汪军已 转向强化学习（RL）数年，作为发起人之一成立了华人强化学习社区RL China，为国内强化学习研究培养了 一批优秀的青年人才，成为领域的"一代宗师"。 汪军 汪军出生于江苏南京，1993 年从金陵中学毕业后开始在东南大学攻读电子工程专业。本科毕业后，他先在工 业界工作三年 ...