Scaling Up RL: Unlocking Diverse Reasoning in LLMs via Prolonged Training
上个月nvidia刚发了一篇纯文本的rl调优指南(AceReason-Nemotron 1.1)，这次又发了一篇。消融了reward、clip等变量，给出了一些训练认知。
赛马？
Voxtral
看名字就感觉是mixtral干的，果然，这个是mixtral新出的语音理解模型，32k上下文，差不多对应40min音频。
语音理解这个领域好像工作一直挺少的，不知道为什么
Fly, Fail, Fix: Iterative Game Repair with Reinforcement Learning and Large Multimodal Models
Nvidia的工作：如果AI已经可以作为game agent做得还不错了，那能不能用agent测试游戏设计得好不好呢？作者发现，在现在vlm进一步提升了game agent水平以后，这已经成为了可用的东西。
我记得我很早就看到过类似的想法，但可能确实现在到了可用的地步
