数源AI 数源AI
联系我们

强化学习 Reinforcement Learning

强化学习 Reinforcement Learning

研究领域

RL for LLM ReasoningRL for AgentMultimodal RLOffline RLMulti-Agent RLRobot RL

研究 Idea

RL for LLM Reasoning

  1. 强化学习增强大模型复杂推理
  2. 基于可验证奖励的 LLM Reasoning
  3. 过程奖励驱动的推理能力提升
  4. 强化学习 × Test-Time Reasoning
  5. Self-Play 大模型推理训练
  6. 高效大模型强化学习训练

RL for Agent

  1. 强化学习驱动的 Agent 自主规划
  2. Agent 工具调用强化学习
  3. Web Agent × Reinforcement Learning
  4. GUI Agent × Reinforcement Learning
  5. 长时序 Agent RL
  6. 智能体自主探索与策略优化

Multimodal RL

  1. 强化学习增强多模态推理
  2. 视觉语言模型 RL 后训练
  3. 多模态 Reward Model
  4. 视觉工具调用强化学习
  5. 视频推理 × Reinforcement Learning
  6. 多模态可验证奖励学习

Offline RL

  1. 基于离线数据的强化学习策略学习
  2. 机器人 Offline RL
  3. Offline RL 分布偏移与泛化
  4. Offline-to-Online Reinforcement Learning
  5. 生成模型辅助 Offline RL
  6. 大规模离线数据策略学习

Multi-Agent RL

  1. 多智能体协同强化学习
  2. 多智能体通信与协作
  3. 复杂环境多智能体博弈
  4. 异构多智能体强化学习
  5. 多智能体信用分配
  6. 多智能体策略泛化

Robot RL

  1. 强化学习机器人操作策略优化
  2. 机器人自主探索
  3. 强化学习驱动的自适应控制
  4. 灵巧操作强化学习
  5. 机器人长时序任务 RL
  6. Sim2Real Reinforcement Learning