Stanford新方法：机器人偏好学习告别“总分制”
机器人偏好学习最烦的不是“没数据”，而是“数据看起来很多，实际全在讲废话”。这篇 FPL 直接把偏好拆成速度、安全、质量等自然语言轴，监督更细，策略也更会“看脸色”了。
标签：模型训练
共 155 篇
Yann LeCun团队新作AdaJEPA：世界模型不再冻结，1步就能自适应
世界模型最怕的不是不会算，而是算着算着就跟现实脱节。AdaJEPA把自适应塞进MPC闭环里，用一次梯度步就能边规划边纠偏，思路很朴素，但很实用。
LLM不只会写代码，还能修内存？MOA给出答案
内存优化最烦的不是“找不到问题”，而是“找到也修不完”。MOA把这事拆成三段：先从 profiling 里挖出反模式，再自动长出静态检查器，最后批量生成补丁，挺像给性能工程装了一条流水线。
VLA模型一剪就废？这篇论文用ΔW找到真冗余
VLA剪枝最尴尬的地方，不是剪不动，而是剪完还得靠恢复“补作业”。这篇论文直接把恢复拿掉，用ΔW去找真正该删的参数，思路很硬。
2026新作REAR：奖励分解后，偏好对齐更稳了
这篇论文最有意思的地方，是它没有继续给模型“加班训练”，而是把问题搬到了测试时：先拆奖励，再重排输出。对偏好对齐、推理加速、树搜索都很友好，属于那种工程味很浓、落地门槛也不高的工作。
REAR来了：测试时重排偏好，Qwen上直接打赢基线
这篇论文最实用的地方，不是又造了一个更复杂的对齐模型，而是把“测试时怎么选更符合偏好的回答”这件事讲清楚了。REAR 直接用 base model 自己的概率做奖励分解，省掉额外训练，工程味很足。
连续latent太难训？DLR首次改用离散token
连续潜变量推理最大的毛病，不是“不聪明”，而是“说不清、管不住、训不稳”。这篇上海交大的 DLR 直接把潜在状态离散化，还借了渲染压缩的思路，算是把推理模型从黑箱里往外拽了一把。
nuPlan上新方法涨分23点：闭环错误变教材
自动驾驶最难的不是“会开”，而是“开错了怎么补课”。R2LPL把闭环里的错误当成教材，再用终身学习把知识存住，思路很务实，尤其适合关心落地和长期迭代的人。
NeurIPS 2026新作：扩散模型换个散度，30%污染下FID直降15点
扩散模型最怕的不是算力，而是数据里混进来的“脏样本”。这篇论文很实在：不改大结构，只把去噪损失换成散度诱导的加权形式，就把鲁棒性做出来了。
MIT新作：7步解数独的流推理模型
这篇论文最有意思的地方，不是又造了一个“更会猜答案”的模型，而是把离散流模型硬生生改造成了会自我验证、会自我修正的推理器。数独上 7 次前向传播到 99.2%，还把 OOD 难题一起带飞，值得细看。
NVIDIA新作：双塔扩散语言模型提速2.42倍
NVIDIA这篇不是简单给扩散语言模型“加速”，而是直接把上下文表示和去噪职责拆开，思路很工程，也很务实。30B 混合架构上还能保住 98.7% 质量、提速 2.42 倍，这种结果值得认真看。
华中科大小米汽车新方法：中间层一训，PDMS涨1.3
这篇论文最有意思的地方，不是又堆了一个更大的自动驾驶模型，而是把“中间表示”当成了真正要训练的对象。它把视频生成、轨迹规划和安全边界三件事拆开处理，结果还真把收敛速度和闭环表现一起抬起来了。
