北京
分享至
强化学习正在重塑大模型的后训练环节。蚂蚁集团有三篇论文入选EMNLP 2026，都围绕这一方向展开。
三篇论文各自解决一个问题：
- DUPO：把规划与工具调用解耦；
- EBM-RL：分解奖励，增强沉浸式视频角色扮演；
- Reliable-V-RL：引入可靠性奖励，强化多模态模型的拒答能力。
从工具调用到角色扮演，再到拒答，强化学习被用来分别打磨大模型的不同能力。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
