周二晚8点！一起系统聊聊面向推理模型的 RL 研究

最新推荐文章于 2025-12-15 12:08:33 发布

原创最新推荐文章于 2025-12-15 12:08:33 发布 · 438 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能

青稞Talk 专栏收录该内容

80 篇文章

订阅专栏

青稞社区：https://qingkeai.online/
原文：https://mp.weixin.qq.com/s/2BB_vycJHCpAL2nYf481Vw

大型推理模型的强化学习综述

清华课题组和上海人工智能实验室，系统梳理了面向推理模型的 RL 研究，形成一篇关于 RL for Large Reasoning Models 的综述论文。

论文：A Survey of Reinforcement Learning for Large Reasoning Models
链接：https://arxiv.org/pdf/2509.08827
Github：https://github.com/TsinghuaC3I/Awesome-RL-for-LRMs

这篇综述全面介绍了 RL for LRMs 的基础组成、前沿问题、训练资源与应用场景，以及未来面临的挑战。特别关注大模型与环境在长期进化中的交互与学习，希望能为“如何让算力更高效地转化为推理智能”带来一些新思考和启发。

在这里插入图片描述

10月21日（周二）晚8点，青稞Talk 第80期，清华大学博士生张开颜，将对此进行直播分享《RL for LRMs：探讨面向推理模型的 RL 最新研究》。

分享嘉宾

张开颜，清华大学三年级博士生，导师为周伯文教授。研究方向为大语言模型测试时扩展（Test-time Scaling）、强化学习和多智能体协同技术。在NeurIPS,ICLR,ICML,ACL,EMNLP,COLM等国际人工智能顶级会议与期刊上发表论文十余篇。

主题提纲

RL for LRMs：探讨面向推理模型的 RL 最新研究

1、LRM 语境下 RL 建模的基本定义及最新发展
2、不同奖励设计、策略优化和采样策略方案的对比
3、讨论 RL 角色、RL vs. SFT、模型先验、训练方法以及奖励定义
4、未来潜在研究方向上的探讨

直播时间

10月21日（周二）20:00 - 21:00

如何观看

Talk 将在青稞社区【视频号：青稞AI、Bilibili：青稞AI】上进行，欢迎预约！

同时，嘉宾已经入驻青稞社区·知识星球，想要提问交流的朋友可以加入星球！