在大模型的训练中，强化学习算法一直是提升模型性能的关键。然而，其面临着计算资源要求高、训练速度慢等问题，让普通企业机构望而却步。面对行业共性难题，近日，在360数字安全集团冰刃实验室主导下，打造出“轻量化、高性能”的AI训练方案：RL-LoRA，在保持模型泛化能力的前提下，体积仅为原始全参数模型的1%-5%，实现强化学习训练技术引领性突破。目前，360安全大模型已深度融合RL-LoRA技术，相关核心代码也已正式对外开放下载使用。

Qwen真是怪胎，奖励错了，模型反而更强，强化学习得推翻重来？\n来自华盛顿大学、艾伦人工智能实验室、伯克利的研究团队发布一篇论文，引爆了 AI 界，他们发现使用虚假奖励也能让大语言模型的推理能力提升。难道强化学习必须奖励精准的传统认知要被打破了吗？#论文#大语言模型#奖励机制#强化学习#LLM#RLVR#RL#AI#人工智能#科技#前沿科技\n

本文源自:金融界

金融界2025年6月6日消息，国家知识产权局信息显示，深圳市秦丝科技有限公司申请一项名为“融合多智能体强化学习的柔性生产线自适应调度控制方法”的专利，公开号CN120103803A，申请日期为2025年04月。

本文源自:金融界

金融界2025年6月6日消息，国家知识产权局信息显示，杭州海康威视数字技术股份有限公司取得一项名为“一种智能体的强化学习模型训练方法及系统”的专利，授权公告号CN114117752B，申请日期为2021年11月。