行业资讯

深度学习成为推荐系统的标准范式已经有十年左右的历史。RNN/Transformer/GNN等模型在用户交互数据上的性能已经被开发得非常接近饱和。

阿里巴巴通义实验室智能计算团队在强化学习领域取得新突破，其研发的FIPO算法通过精准调控关键Token训练信号，成功提升大模型推理能力。 研究团队在分析强化学习微调模型时发现，训练前后超过98%的Token输…

文章回忆了作者与德国著名哲学家哈贝马斯的交往经历，重点记述了1998年赴德访学期间通过其学生韦尔默接触哈贝马斯思想，以及2001年哈贝马斯访华期间在北京多所高校演讲的情景。作者详细介绍了哈贝马斯关于人权、商谈伦理学、协商民主和后民族国家等核心理论，并回顾了自己对其思想的研究与推介工作。文章还提及作者曾向哈贝马斯赠送其关于郭店楚简《老子》的德文著作，并收到哈贝马斯对中华传统文化的高度评价。全文表达了对哈贝马斯学术贡献与人文精神的深切缅怀与高度敬意。

自2025年以来，强化学习（RL）成为大语言模型（LLM）后训练的主流方法，能激发模型复杂推理和长思维链能力。然而，直接对基座模型进行RL训练常因缺乏引导而效率低下，因此通常先用监督微调（SFT）进行“冷启动”。但研究发现，SFT阶段表现最好的模型（如测试准确率最高）未必在后续RL中表现最优，甚至可能退步。香港科技大学、阿里巴巴与厦门大学团队在ICLR 2026发表的研究揭示：SFT冷启动不应只追求准确率，还需兼顾输出多样性。为此，他们提出自适应早停损失函数（AESL），为RL训练提供更优起点，并已开源代码。

哈工大语言技术中心提出CR³框架，通过基于规则的强化学习显著提升多模态大语言模型（MLLM）的组合推理能力。该方法在MMVP、Winoground和Cola等基准上平均提升超9个绝对点，最高达19%，优于监督微调（SFT），并展现出更强的跨域泛化能力和幻觉抑制效果。

（来源：黑龙江日报） 转自：黑龙江日报 □陈哲 党的二十届四中全会提出，全面实施“人工智能+”行动，为推动人工智能与教育深度融合提供了重要遵循。

（来源：DrugAI）通过人工智能模型生成的合成数据正逐渐在医疗研究领域获得关注，尤其在血液学和肿瘤学等高风险领域。通过..._新浪网

哈工大航天学院赵悦教授团队在CLIP细粒度对齐技术研究中取得重要进展，提出MSG-CLIP框架，通过多模态场景图对齐机制，实现实体级和三元组级的双重细粒度匹配，显著提升跨模态图文理解能力。该方法在不增加模型参数量的前提下，在VG-Attribution和VG-Relation数据集上分别提升11.2%和2.5%。研究成果发表于国际期刊《模式识别》，哈工大为第一署名单位，博士生吕笑天为第一作者，赵悦教授为通讯作者。

SwinUnet利用层次化窗口注意力机制，在保留Transformer长距离依赖建模能力的同时降低计算复杂度，适用于医学图像分割中对复杂空间关系和局部细节的处理。Synapse多器官CT数据集包含30例腹部CT扫描，标注8个腹部器官及背景，具有三维体积数据、类别不平衡和器官边界模糊等特点。

Nat. Rev. Cancer｜人工智能生成的合成�...,元数据,人工智能,电子表格