今日推介(第2039期)：利用经验贝叶斯收缩增强群体相对策略优化的稳定性、强化基于LLM的智能体的世界模型学习、基于随机流映射的高效奖励对齐、面向高效推理的选择性“大带小”推理阶段引导方案、源于层间高度相似性的逆深度缩放 公·众·号：爱可可爱生活 网页链接 机器学习人工智能论文