由 Hugging Face × OpenMMLab × ModelScope × 知乎 × 机智流 联合发起的【AI Insight Talk】系列活动重磅来袭！

本期我们将聚焦 强化学习（RL）与推理能力的前沿交汇，邀请多位在 Hugging Face Daily Papers 中热门论文的作者，共同探讨 RL 在推理中的技术挑战与未来潜力。

📅 直播时间：2025年6月14日（周六）上午10:00（北京时间）

清华大学自动化系博士生四年级，研究方向是强化学习以及推理模型，其研究成果涉及大语言模型后训练、应用等多个方面。目前发表/在投 15 篇论文，其中多数发表在 NIPS、AAAI、ACL 等顶级会议上、长期担任 NIPS、ICLR、ICML 等顶会审稿人。在 GitHub 上共获得 1500 个 stars，并且被国内外知名机构使用。 简要概述我们提出了一种全新的强化学习方法——Absolute Zero，它让语言模型在没有任何外部数据的情况下，自主提出学习任务并通过解决这些任务来提升推理能力。这种方法不再依赖人工制作的大量题目和答案，而是通过环境来验证任务和答案的正确性，从而提供可靠的学习反馈。我们设计的系统 Absolute Zero Reasoner 可以自主进化自己的训练内容和推理能力。尽管 AZR 完全没有使用外部数据，它在编程和数学推理任务上仍然达到了当前最先进的性能，超过了那些依赖大量人工数据的模型。我们还发现 AZR 适用于不同规模和类型的模型，具有良好的通用性和可扩展性。

研究方向： 强化学习、推理模型

分享主题： Absolute Zero 零人工数据强化学习推理模型

论文地址： https://huggingface.co/papers/2505.03335

任抒怀

北京大学计算机学院博士生五年级，研究方向为多模态基座模型、理解生成统一等。目前已在 CVPR，ACL，NeurIPS 等国际顶级会议上以第一作者身份发表多篇论文。谷歌学术引用超过 2300。获国家奖学金、北京大学优秀毕业生、NeurIPS scholar、ACL 杰出审稿人等称号。

研究方向： 多模态基座模型、理解生成统一

分享主题： 小米 MiMo-VL：预训练与后训练技术实践

论文地址： https://huggingface.co/papers/2506.03569

顾宇喆

上海人工智能实验室联培博士生，研究方向是大模型的可拓展监督技术，聚焦于知识和推理能力增强。已在 NeurIPS，ICLR，ACL 等国际顶级会议上发表多篇论文，谷歌学术引用量 600+，担任 NeurIPS 等顶级会议审稿人。其参与了“书生通用大模型体系”的构建与研发，作为核心成员开发了包括 InternLM、InternThinker 等项目。

研究方向： 大模型的监督扩展与推理增强

分享主题：  强化学习范式 OREAL：轻中量模型如何跨越推理三重门

论文地址： https://huggingface.co/papers/2502.06781

圆桌讨论

为了更好的社区互动过，我们在本次直播加入了圆桌讨论环节。欢迎在文章下方的评论区留下你的问题，直播主持人将带着问题与嘉宾互动，带来最前沿的洞见。

讨论主题： RL 强化学习发展趋势洞见

主持人： 王玮赟，复旦大学与上海人工智能实验室联培博士生。研究方向为多模态通用感知模型、多模态大模型后训练算法，在人工智能国际顶级会议及期刊发表论文十余篇，谷歌学术累计引用超过1900次，作为核心作者（共一二作）参与研发的多模态大模型InternVL-Chat系列模型在HuggingFace社区累计下载量突破1000万次，开源代码在Github获得stars超过8000个。

观看直播

参与讨论

为了方便大家交流沟通，我们建立了相关的交流群，本期分享的作者们也在群里，欢迎大家入群交流。

📍6 月 14 日上午 10 点，AI Insight Talk 不见不散！