搜索
基于可验证奖励的强化学习（Reinforcement Learning with Verifiable Rewards，RLVR）正在成为大模型后训练的关键技术。数学题能判对错，代码能跑测试，可验证奖励让大模型可以通过强化学习持续提升推理能力。
大家好，我是 Paper2GalGame 的开发者塔米基。 半年前，我做了一个”把论文变成 Galgame”的软件。 当时很多人觉得这是一个玩笑。 但今天，它已经有了十万用户，并准备登陆 Steam。
MrFlow（Multi-Resolution Flow Matching）就用这样的三阶段，在Qwen-Image等模型上把端到端生成时间从49.32s压到4.77s，实际加速10.35x。文章发布当日即登上Hugging Face Daily Papers；发布三天内，GitHub已收获200+stars；目前也已登上Hugging Face Trending Papers。
我们今天以 PDF 写论文的方式，已经持续了三百多年。然而论文其实是把一段混乱反复、充满试错的真实研究，讲成一个干净利落、足以服人的完美故事。
Paperboy 正在尝试找到一种更自然、更连续、更可协作的 Agent 界面与记忆结构——Agent 应该通过观察你用电脑来自己学习，用 IM 而不是 session 来组织对话，主动找你，而不是等你 prompt。
科研神器Papers with Code，满血复活！
上个月我做了 M5 Paper Buddy，把一块墨水屏接到 Claude Code 上，监控 AI 在干什么、需要审批什么。当时挺兴奋的，物理按键审批操作那个仪式感很好。但用了几周之后我发现，它放在桌上的时间，远比我看它的时间长。
机器之心编辑部 ICLR 2026 获奖论文已经公布。 今年共有 2 篇论文获得「杰出论文奖」（Outstanding Paper），另有 1 篇论文获得「荣誉提名」（Honorable Mention）；此外，还有 2 篇 ICLR 2016 论文获得「时间检验奖」（Test of Time Award）。
前几天，Anthropic 开源了 claude-desktop-buddy，用一块小屏幕显示 Claude Code 里 Buddy 的状态。结果做着做着，它变成了一个完全不同的东西：M5 Paper Buddy （https://github.com/op7418/m5-paper-buddy）。
试想一下，如果把当下大火的大模型技术带回 1970 年，会发生什么？