强化学习
  1. 首页
  2. 强化学习

列表

RAGEN

RAGEN

RAGEN是一款开源的强化学习框架，专为在交互式和随机环境中训练大型语言模型（LLM）推理代理而设计。它基于StarPO架构，支持多轮轨迹优化和多种强化学习算法，如PPO和GRPO。通过MDP形式化和渐进式奖励归一化策略，RAGEN提高了训练的稳定性和效率。其模块化设计支持多种环境，适用于智能对话、游戏AI、自动化推理等多个领域。
AI项目与工具 2025年06月11日
WebAgent

WebAgent

WebAgent是阿里巴巴开源的自主搜索AI Agent，具备端到端的自主信息检索与多步推理能力。它能主动搜索多个学术数据库，筛选、分析最相关的文献，整合不同文献中的观点，为用户提供全面且精准的研究报告。WebAgent基于创新的数据合成方法和高效的训练策略，实现高效的多步推理和信息检索能力，适用于学术研究、商业决策和日常生活等多种场景。
AI项目与工具 2025年06月11日
Absolute Zero

Absolute Zero

Absolute Zero是由清华大学LeapLab团队联合多家机构研发的新型语言模型推理训练方法，采用自我生成任务并自主解决的机制，实现无需人工标注数据的自我进化学习。模型通过与环境交互获取反馈，持续优化推理能力，支持归纳、演绎和溯因等多种推理模式。其核心在于推动模型从依赖人类监督转向环境反馈驱动，具备跨领域泛化能力和零数据训练特性，适用于通用人工智能、代码生成、数学推理等多个应用场景。
AI项目与工具 2025年06月11日
O1

O1

O1-CODER是一款由北京交通大学研究团队开发的开源编码工具，专精于编程任务。它通过结合强化学习和蒙特卡洛树搜索技术，实现了从伪代码到完整代码的生成，并通过测试用例生成器和过程奖励模型优化代码质量。该工具支持自动化代码生成、代码质量提升、教育辅助以及软件测试等多种应用场景。
AI项目与工具 2025年06月12日
OmniCam

OmniCam

OmniCam 是一种基于多模态输入的高级视频生成框架，结合大型语言模型与视频扩散模型，实现高质量、时空一致的视频内容生成。支持文本、视频或图像作为输入，精确控制摄像机运动轨迹，具备帧级操作、复合运动、速度调节等功能。采用三阶段训练策略提升生成效果，并引入 OmniTr 数据集增强模型性能。适用于影视、广告、教育及安防等多个领域，提高视频创作效率与质量。
AI项目与工具 2025年06月12日
TPDM

TPDM

TPDM是一种基于扩散模型的图像生成技术，通过引入时间预测模块（TPM）和强化学习优化策略，实现了对去噪步骤的自适应调整，从而在保证图像质量的同时提高了生成效率。该模型适用于多种应用场景，包括文本到图像生成、艺术创作辅助以及数字媒体内容生产等，广泛应用于广告、游戏设计、影视制作等领域。
AI项目与工具 2025年06月12日
MotionGen

MotionGen

MotionGen是一款由元象科技开发的3D动作生成模型，它结合了大模型、物理仿真和强化学习算法，使得用户通过简单的文本指令就能生成逼真且流畅的3D动作。该工具简化了3D动画的制作过程，提升了创作效率。其主要功能包括文本到动作的转换、高度逼真和流畅的动作生成、个性化定制、高效的制作流程和技术融合。
AI项目与工具 2025年06月12日
LongReward

LongReward

LongReward是一种由清华大学、中国科学院及智谱AI联合开发的AI工具，专注于通过多维度评估（有用性、逻辑性、忠实性和完整性）来优化长文本大型语言模型的表现。它利用现成的语言模型提供奖励信号，并结合强化学习算法改善模型性能，特别擅长处理复杂长文本任务，如文档理解、摘要生成及特定领域的数据分析，如法律、金融和医疗。
AI项目与工具 2025年06月12日
Seedream 2.0

Seedream 2.0

Seedream 2.0 是字节跳动豆包团队推出的中英双语图像生成模型，具备强大的文本理解和渲染能力，可生成具有文化细节和美学表达的高质量图像。支持多分辨率生成、字符级文本处理，并通过强化学习优化性能，适用于海报设计、社交媒体、绘画创作等多领域应用。
AI项目与工具 2025年06月12日
QwenLong

QwenLong

QwenLong-L1-32B是阿里巴巴集团Qwen-Doc团队开源的首个长文本推理大模型，基于渐进式上下文扩展、课程引导的强化学习和难度感知的回顾性采样策略，显著提升长文本场景下的推理能力。该模型在多个DocQA基准测试中表现优异，平均准确率达70.7%，超越多个现有旗舰模型。其功能包括长文本推理、稳定训练、混合奖励、广泛适用性和高性能表现，适用于法律、金融、科研等多个领域。
AI项目与工具 2025年06月11日