reinforcement learning

Kimi k1.5模型多模态推理强，长上下文RL训练突破，long2short方法高效，优化RL训练框架，详细训练过程。

DeepSeek-R1：开源大模型，强化学习提升推理能力，蒸馏至小型模型，性能优异。

OpenAI推出AI安全红队测试新策略，多步强化学习提升模型质量，红队测试成AI产品发布关键环节。

InfAlign：谷歌DeepMind研发的机器学习框架，通过校准强化学习提升语言模型推理胜率，显著改善AI系统对齐。