阿里 PAI 提出探索引导的提示词脚手架,优化多模态强化学习训练
alibaba-pai · hf · 2026-09-15
阿里 PAI 团队发布多模态强化后训练框架,核心观察是「不是所有训练提示词都同等有用」。
- 探索潜力评分:动态评估每个 prompt 对模型探索的价值
- 脚手架式改写:对有潜力的 prompt 进行 scaffolded 改写,提升其在 RL 后训练中的信号
- 效果:显著改进多模态语言模型的强化学习训练效率与效果
属于 RL 训练数据课程化方向的工作,prompt 筛选与改写思路也可迁移到其他后训练场景。
「研究」频道最新
- Adobe 与 UCLA 提出 Tev：用可验证进度奖励破解长程 Agent 训练难题 — jiqizhixin · 2026-11-02
- 老招新用：path tracing 加 portal 采样，64spp 噪点显著下降 — ssh4net · 2026-11-02
- Marcel Böhme 提出漏洞引导加固哲学：为何安全永远无法一劳永逸 — mboehme_ · 2026-11-02
- Perplexity 开源研究型基准 WANDR：500 任务、17 万条证据点 — thisguyknowsai · 2026-11-02
- AI 意识研究者:我们没有可靠方法判断 AI 是否有意识 — dioscuri · 2026-11-02
- 蚂蚁团队发布统一反伪造模型，AI视频鉴伪达96% — inclusionAI · 2026-11-02