LightReasoner：利用小模型引导大模型推理的对比学习框架
论文标题：LIGHTREASONER: CAN SMALL LANGUAGE MODELS TEACH LARGE LANGUAGE MODELS RE
...
WeiBo AI 推出 1.5B 小模型，成本实现 SOTA 级推理
论文标题：Tiny Model, Big Logic: Diversity-Driven Optimization Elicits Large-Mode
...
Meta FAIR 推出 HERO：LLM 强化中集成稀疏与密集奖励
论文标题：Hybrid Reinforcement: When Reward Is Sparse, It’s Better to Be Dense
...
专挑模型的“软肋”下手：阿里 MIWV 如何实现用1%数据超越全量微调？
论文标题：Importance-Aware Data Selection for Efficient LLM Instruction Tuning
...
Meta AI 推出 RIFL：基于准则的强化学习来提升 LLM 指令遵循能力
论文标题：Rubric-Based Benchmarking and Reinforcement Learning for Advancing LLM
...
NeurIPS 2025 满分论文：LLM 强化学习的上限已被基座锁死了
论文标题：Does Reinforcement Learning Really Incentivize Reasoning Capacity in LL
...
小红书推出 RedOne 2.0：SNS 领域大模型后训练实践指南
论文标题：RedOne 2.0: Rethinking Domain-specific LLM Post-Training in Social Netw
...
EMNLP 2025 主会论文解读：Towards Automated Error Discovery
论文链接：https://arxiv.org/pdf/2509.10833
论文标题：Towards Automated Error Discove
...
Meta AI 最新研究：大模型强化学习的几何优化偏置
对于大语言模型的后训练（post-training）而言，研究者通常面临两种主流技术路径：监督微调（Supervised Fine-Tuning, SFT）和
...
Meta AI：Scaling Agent Learning via Experience Synthesis
对于基于大型语言模型（LLM）的自主智能体（Autonomous Agents）而言，强化学习（Reinforcement Learning, RL）提供了一
...
