BARRED：基于不对称辩论的定制策略护栏合成训练
BARRED: Synthetic Training of Custom Policy Guardrails via Asymmetric Debate

Arnon Mazza, Elad Levi
⭐ 7

• 本文介绍了一种名为BARRED的新颖框架，致力于为定制的护栏策略生成高质量的合成训练数据。
• BARRED的核心方法是利用维度分解技术，并结合多智能体辩论机制来系统地构建和优化训练样本。
• 通过这种合成训练方式，BARRED能够显著提升定制护栏策略的鲁棒性和有效性。
• 实验结果表明，BARRED在性能上超越了目前市场上的专有语言模型以及其他专门的护栏系统，展现出优越性。

🔗 arXiv · 🤗 HF

#合成数据 #护栏策略 #多智能体 #大语言模型 #安全对齐

UniVidX：扩散先验驱动的统一多模态通用视频生成框架
UniVidX: A Unified Multimodal Framework for Versatile Video Generation via Diffusion Priors

Houyuan Chen, Hong Li, Xianghao Kong, Tianrui Zhu, Shaocong Xu, 等 (+6)
⭐ 63

• UniVidX是一个创新的统一多模态框架，旨在利用视频扩散模型先验实现多样化和多功能的视频生成。
• 该框架引入了随机条件掩码机制，以增强模型对不同输入条件的适应性，提升生成视频的多样性。
• 采用了独特的解耦门控LoRA（低秩适应）技术，有效管理并优化了多模态信息的整合与处理。
• 通过创新的跨模态自注意力机制，UniVidX能够深入理解并融合文本、图像等多种模态信息，从而生成高质量视频。

🔗 arXiv · 🤗 HF

#视频生成 #扩散模型 #多模态 #统一框架

T^2PO：不确定性引导探索控制，提升多轮智能体强化学习稳定性
T^2PO: Uncertainty-Guided Exploration Control for Stable Multi-Turn Agentic Reinforcement Learning

Haixin Wang, Hejie Cui, Chenwei Zhang, Xin Liu, Shuowei Jin, 等 (+5)


• T²PO（Token和Turn级策略优化）是一种新颖方法，旨在解决多轮智能体强化学习中常见的探索不稳定性问题。
• 该方法通过在Token和Turn等细粒度级别上，精确控制智能体的探索行为，从而显著提升学习过程的稳定性。
• 其核心机制在于结合了不确定性监控技术，并辅以动态重采样策略，以有效地引导探索过程，避免智能体陷入次优解或学习崩溃。

🔗 arXiv · 🤗 HF

#强化学习 #智能体 #探索控制 #不确定性 #多轮学习 #策略优化

ResRL：通过负样本投影残差强化学习提升大语言模型推理能力
ResRL: Boosting LLM Reasoning via Negative Sample Projection Residual Reinforcement Learning
⭐ 2 · arXiv · HF
#大语言模型 #强化学习 #推理能力 #梯度解耦 #表征学习 #多样性