新研究探索推理时激活空间上的策略梯度推理
burny_tech · x · 2026-08-28
该帖子分享了一篇题为《Seek in the Dark》的论文，提出了一种在潜在空间的激活上而非权重上进行强化学习的方法。这种推理时实例级策略梯度为推理过程提供了新的优化视角。
所属事件:LatentSeek 在潜在空间强化推理超越思维链(2 条相关)→
「研究」频道最新
- NVIDIA TacitVLA：动作不读思维链，推理收益保留、延迟最高降 3.4 倍 — arankomatsuzaki · 2026-10-16
- Cohere Labs 世界模型公开课第 4 期：一文理清 DreamerV1-V4 架构演进 — Cohere_Labs · 2026-10-16
- GPT-6.1 审查 arXiv：6% 论文主定理有错，近两月降至 1.5% — nitarshan · 2026-10-16
- 研究：一个 just 之差就能改变 LLM 对话的走向 — StellaLisy · 2026-10-16
- SEAR 首次大规模对照研究：7 个前沿 LLM、330 项任务检验自进化机器人 — xiye_nlp · 2026-10-16
- Claude 助力连破椭圆曲线纪录后，EC Rank 挑战赛开放 156 个纪录位 — Jsevillamol · 2026-10-16