热点事件持续更新
学者提出基于GRPO的晶体生成模型强化学习对齐方法
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
2026年10月6日，研究人员在arXiv发表研究，提出利用GRPO强化学习对齐晶体生成模型的离散成分通道。该方法直接将策略梯度作用于离散flow的原子类型转移似然，将亚稳态独特新颖结构（mSUN）产率从预训练模型的13.4%提升至45.5%，并同样改善了潜扩散模型的生成表现。此外，研究还指出直接强化学习易引发奖励作弊问题，并揭示了现有基准中单元素结构虚增mSUN的缺陷。
AI 根据报道生成 · 7 小时前更新
最新进展10月6日 12:00
研究提出通过GRPO对齐晶体生成模型，将mSUN产率提升至45.5%并揭示奖励作弊问题。报道时间线
沿着报道，了解事件的不同侧面。
10月6日
- arXiv 机器学习晶体生成器离散成分通道的强化学习：收益验证与奖励作弊
研究人员通过 GRPO 强化学习对齐晶体生成模型的离散成分通道，将亚稳态独特新颖结构（mSUN）产率从预训练模型的 13.4% 提升至 45.5%。该方法直接将策略梯度作用于离散 flow 的原子类型转移似然，并同样改善了潜扩散模型的生成表现。研究同时指出直接强化易引发奖励作弊，并揭示了现有基准中单元素结构虚增 mSUN 的缺陷。
本事件热度走势
当前热度 8·可比范围峰值 10（10月6日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。