Search for a command to run...
双模退火（Bi-mode annealing）是由腾讯混元团队与中科院自动化于 2025 年 8 月合作提出的，相关研究成果发表于论文「R-4B: Incentivizing General-Purpose Auto-Thinking Capability in MLLMs via Bi-Mode Annealing and Reinforce Learning」。
双模退火旨在训练一个在通用领域中天生具备思考和思考外模式能力的模型。在退火阶段之后，模型在通用领域后续的自动思考训练将奠定好坚实基础。
Search for a command to run...
双模退火（Bi-mode annealing）是由腾讯混元团队与中科院自动化于 2025 年 8 月合作提出的，相关研究成果发表于论文「R-4B: Incentivizing General-Purpose Auto-Thinking Capability in MLLMs via Bi-Mode Annealing and Reinforce Learning」。
双模退火旨在训练一个在通用领域中天生具备思考和思考外模式能力的模型。在退火阶段之后，模型在通用领域后续的自动思考训练将奠定好坚实基础。
SSP 展现了自博弈作为可扩展且数据高效的智能体 LLM 训练范式的潜力。
RewardMap 提升了多模态大语言模型在结构化视觉任务中的能力。
联合对齐全局和局部特征，有效引导对抗样本朝向目标特征分布并增强可迁移性。
SAC Flow 在连续控制和机器人操作基准测试中达到最先进性能。
Mem-𝛼 在多种基准测试中相较于现有的记忆增强智能体基线取得了显著改进。
首个成功将分布匹配蒸馏应用于基于 MDM 的文本生成，并在少步语言序列生成方面创下纪录的框架。
CapRL 能有效训练模型生成更通用和准确的图像描述。
EGMN 成功捕捉了用户偏好和视频特征之间的潜在交互效应。
TreeSynth 在大规模数据合成方面展现出卓越鲁棒性和可扩展性。
SSP 展现了自博弈作为可扩展且数据高效的智能体 LLM 训练范式的潜力。
RewardMap 提升了多模态大语言模型在结构化视觉任务中的能力。
联合对齐全局和局部特征，有效引导对抗样本朝向目标特征分布并增强可迁移性。
SAC Flow 在连续控制和机器人操作基准测试中达到最先进性能。
Mem-𝛼 在多种基准测试中相较于现有的记忆增强智能体基线取得了显著改进。
首个成功将分布匹配蒸馏应用于基于 MDM 的文本生成，并在少步语言序列生成方面创下纪录的框架。
CapRL 能有效训练模型生成更通用和准确的图像描述。
EGMN 成功捕捉了用户偏好和视频特征之间的潜在交互效应。
TreeSynth 在大规模数据合成方面展现出卓越鲁棒性和可扩展性。
