BriefGPT - AI 论文速递 ·

Fine-tuning Discrete Diffusion Models Using Policy Gradient Methods

💡 原文英文，约100词，阅读约需1分钟。

📝

内容提要

本文提出了一种新的政策梯度算法——得分熵策略优化（SEPO），旨在解决离散扩散模型在使用人类反馈的强化学习中的微调难题。该方法在处理非可微分奖励时展现出良好的可扩展性和效率，可能推动相关研究的发展。

🏷️

“AlphaGo”杀进足球场！自我对弈140年，机器人成“梅西终结者”
Skild AI 推出人形机器人 Messinator，搭载机器人基础模型 S1，结合强化学习与自我对弈。在虚拟足球场训练 140 年后，机器人仅以进球为...
代码审计工具有哪些：2026年主流SAST工具与Gitee平台集成指南
2026年代码审计工具分为SAST、DAST与AI审查三类，核心价值是在代码合并前发现安全与质量问题。Gitee通过原生Pull Request审查流程及...
AI 代码审计工具推荐：2026 年主流工具对比与 Gitee 平台集成实践
2026年，AI代码审计工具已成为研发安全基础设施，主要分为PR级（如CodeRabbit、Qodo，在合并前审查）和IDE级（编码中即时反馈）两类。Gi...
卖掉婚房造气球：四千米高空发电实验
2026年8月，中国公司临一云川在西北试验基地完成S4000浮空风电系统4千米高空发电试验，实现升空、驻空、发电、回收全流程。创始人顿天瑞、翁翰钶为199...
参照物
文章以牛顿力学的参照物为引，说明判断大小、优秀、美丑、奇怪等形容词都依赖参照物或模糊标准。这类词多属主观评论而非事实，暗含说话者的标准。因此听到评价时应警...
更适合 VibeCoding 的应用部署平台 - AppLab
AppLab 是开源项目，让 Agent 在单一 Git 仓库和 CLI 中完成应用开发、构建、部署与验证。作者认为 VibeCoding 只解决写代码，...