1
阿里千问发布 QwenGyre，面向超长程智能体任务的在线强化学习框架
IT之家 10 月 12 日消息，阿里千问今日正式发布 QwenGyre，这是一款面向长程智能体任务的在线强化学习框架。 据官方介绍，当智能体承担复杂工作，一次执行往往持续数小时，模型与环境之间有数百轮相互依赖的交互，累计处理百万级 token。QwenGyre 通过弹性调度与轨迹处理， 让这类超长…
2
中汽协会：支持强化汽车产品创新设计与研发测试验证管理，推动产业可持续健康发展
IT之家 10 月 11 日消息，工业和信息化部等四部门 10 日公开发布关于进一步加强汽车产品创新设计和研发测试验证有关管理工作的通知（征求意见稿）。汽车产品创新设计技术指南 围绕虚拟操纵件、门把手、新型人机交互系统、大角度座椅等方面提出具体测试验证要求 。 征求意见稿聚焦整治不合理创新设计、健全…
3
《巫师 4》游戏前瞻：剧情强化道德灰度叙事，塑造有血有肉的 NPC
IT之家 9 月 25 日消息，CD Projekt Red 联合首席执行官亚当 · 巴多夫斯基（Adam Badowski）透露， 《巫师 4》游戏将强化道德灰度叙事，并通过模糊选择及其后果给玩家留下持久印记。 IT之家援引博文介绍，道德灰度叙事是指游戏剧情不将角色和事件简单划分为正义或邪恶，让不…
4
漫步者花再 Halo PixelBar 桌面音箱强化版开售：支持实时歌词显示，419 元
IT之家 9 月 12 日消息，漫步者旗下品牌花再 Halo PixelBar 桌面音箱强化版（26 年新款）现已开售， 售价 419 元 ，部分地区国补到手价 377.1 元。 这款音箱支持双模连接（蓝牙 6.0、USB 连接），主打潮酷动态像素屏， 支持实时歌词显示 ，手机蓝牙和电脑 PC 端软…
5
机器人不能停下来等模型：星尘发布 SmoothRL，让在线强化学习跟上大模型的异步推理
星尘智能（Astribot） 基座模型团队发布能异步执行的在线强化学习框架 SmoothRL
6
微软商业经典版 Outlook 强化 AI 入口，本月功能区将新增 Copilot 专属按钮
IT之家 9 月 3 日消息，科技媒体 NeoWin 昨日（9 月 2 日）发布博文，报道称微软计划本月开始，面向所有经典版 Outlook 商业用户部署调整，在功能区安置 Copilot 专属按钮。 根据微软消息中心公告 MC1441784，为了让用户在需要 AI 协助时能更容易找到入口， 将会在…
7
前字节强化学习专家孙鹏博士加盟星尘智能，完善Physical AI全栈技术布局
9月2日，前字节跳动强化学习专家、前腾讯Robotics X智能体中⼼负责⼈孙鹏博⼠正式加入星尘智能
8
高通披露新一代 Adreno GPU 细节：矩阵核心强化 AI 算力，有望进一步改善画面升频效果
IT之家 9 月 2 日消息，据外媒 Android Authority 今天（2 日）晚间报道，在公布下一代旗舰处理器的 CPU 升级细节后，高通又进一步披露了新一代 Adreno GPU 的变化，其中最重要的新设计是加入 Adreno 矩阵核心。 高通公布的示意图显示，GPU 预计配备 3 个矩…
9
OpenAI买几万台Mac搞强化训练！英伟达的活被苹果抢了
什么样的AI业务，英伟达GPU和谷歌TPU搞不定，非得用Mac
10
消息称《GTA 6》大幅强化偷车系统：部分载具游戏初期无法窃取、汽车配有追踪器
IT之家 8 月 29 日消息，R 星开发负责人 Rob Nelson 在接受 IGN 采访时透露，《GTA 6》大幅强化偷车系统，过去玩家只需要按下按键即可轻松开走汽车，但新作中部分载具在游戏初期无法直接盗取，玩家需要随着剧情推进获得相应工具后才能顺利劫车。 Rob Nelson 表示，在游戏之初…
11
《GTA 6》游戏强化角色状态反馈：饮食、运动和睡眠都可能影响外观
IT之家 8 月 27 日消息，在接受《Dazed》采访时， Rockstar North 开发负责人罗布 · 纳尔逊（Rob Nelson）透露《侠盗猎车手 VI》（GTA 6）游戏机制，并谈到了两名游戏主角的角色设计。 纳尔逊透露杰森（Jason）和露西娅（Lucia）两位主角的身体会根据玩家选…
12
Learning Generalizable Behaviors for Terminal Agents
用强化学习让大模型在终端环境中学会通用行为，打开日常自动化新可能。
arXiv:2608.22631v1 Announce Type: new Abstract: Terminal agents are a compelling application of large language models (LLMs), with the potential to in…
13
RetroDFM-R: Reasoning-Driven Retrosynthesis Prediction with Large Language Models via Reinforcement Learning
用强化学习让大模型学会「讲道理」，逆合成预测从黑箱猜测走向可解释推理——AI驱动分子设计又进一步。
arXiv:2507.17448v2 Announce Type: replace-cross Abstract: Retrosynthetic planning is a cornerstone of organic synthesis and drug discovery. Yet existi…
14
Reinforcing Multi-Turn Reasoning in LLM Agents via Fine-Grained Reward Structure and Credit Assignment
多轮推理强化学习新方案，细粒度奖励结构直击信用分配难题，提升LLM代理决策可靠性。
arXiv:2505.11821v3 Announce Type: replace Abstract: Reinforcement Learning (RL) approaches have been wildly used to enhance the reasoning capabilities…
15
OpenAI 一改此前立场，呼吁加州强化 AI 安全法案
OpenAI改口支持加州AI安全法案，监管态度大转弯背后有何考量？
IT之家 8 月 23 日消息，OpenAI 呼吁加州进一步加强一项具有里程碑意义的 AI 安全法案。该法案已于去年获得通过。 OpenAI 全球事务团队在 LinkedIn 上发表的一篇文章中表示，加州 SB 53 法案“应该进一步扩大安全保障措施”。例如，可以要求对正在训练或评估的前沿 AI 模…
16
Credit Without Ground Truth: Auditing Step-Level Credit Assignment in LLM Agents Against Executed Replay
一步错步步错？实测三类信用信号在LLM智能体训练中均无法锁定关键步骤，揭示因果归因盲区。
arXiv:2608.19760v1 Announce Type: new Abstract: Audited against causal ground truth from executed replay in a single-agent tool environment (ALFWorld)…
17
Future Policy Approximation for Offline Reinforcement Learning in LLM Reasoning
离线强化学习遇上LLM推理，未来策略近似方法带来新突破，AI研究者不容错过。
arXiv:2509.19893v3 Announce Type: replace Abstract: Reinforcement learning (RL) has emerged as a key driver of post-training for complex reasoning in …
18
Agentic ESOpt: Fine-Tuning Long-Horizon LLM Agents with Minimal GPU Requirements
只用极少GPU就能微调长时程LLM智能体，破解长程推理训练算力困局的新方案。
arXiv:2608.17310v1 Announce Type: new Abstract: Reinforcement Learning (RL) has been promising in single-turn LLM fine-tuning. However, long-horizon a…
19
Reinforcing Consistency in Video MLLMs with Structured Rewards
视频多模态模型常“看走眼”？这项研究用结构化奖励强化推理一致性，为视频理解立新标尺。
arXiv:2604.01460v2 Announce Type: replace Abstract: Multimodal large language models (MLLMs) have achieved remarkable progress in video understanding.…
20
Effective Personalized AI Tutors via LLM-Guided Reinforcement Learning
大模型结合强化学习，打造精准适配每位学生的AI导师，个性化教育迎来新突破。
arXiv:2608.16907v1 Announce Type: cross Abstract: Generative AI (GenAI) is rapidly reshaping education by unlocking the potential for personalized tut…