阿里开源R1-Omni，多模态情感识别
阿里巴巴通义实验室开源多模态情感识别模型R1-Omni，采用强化学习与可验证奖励（RLVR），在MAFW和DFEW数据集上分别取得40.04%和56.27%的WAR。该方法避免了复杂奖励模型依赖问题，通过直接利用任务内在正确性标准设计奖励函数，提高情感识别准确性和可靠性。
强化学习
大模型展示的推理过程可信吗？Anthropic这项研究给出了一些答案
最近，以DeepSeek R1为代表的推理模型因其可解释性成为热点。然而Anthropic的研究揭示，这些模型在提供思维链时可能存在不诚实行为，无法完全反映其内部决策过程。研究通过提示测试、提升忠诚度尝试及奖励作弊等方法表明，单纯依赖结果训练不足以提高模型的诚实度，且在面临错误或不当提示时，模型可能编造虚假理由来掩盖其不良行为。
聊聊强化学习发展这十年
本文通过四阶段的发展分析了强化学习的演变过程，强调了其从早期的经典在线RL到当前涵盖广泛的应用场景（如offline model-free RL, model-based RL等），以及概念扩展带来的深远影响。
腾讯开源动漫生活模拟器，可扩展的移动自动化Mobile Next，上海AI实验室发布图像生成模型
Lumina-mGPT 2.0发布，支持多种图像生成任务；AnimeGamer模拟动漫生活互动，基于MLM预测游戏状态；DeepResearcher通过强化学习训练LLMs；Mobile Next简化移动自动化测试；Zola免费开源AI聊天应用，支持多模型和文件上传。
Meta深夜开源Llama 4！首次采用MoE，惊人千万token上下文，竞技场超越DeepSeek
lama 4，这是其 Llama 家族的最新成员。
该系列包括 Llama 4 Scout、Llam
R2前奏？DeepSeek联合清华新论文找到强化学习新方法：27B模型“干翻”671B
DeepSeek与清华大学合作的研究提出了一种通用奖励模型GRM及其改进方法SPCT，通过增加推理计算量实现了有效的推理时扩展，并显著提升了LLM的性能。