强化学习新突破，登上Nature！作者构建了一个元学习系统，指导无数智能体在多样任务中不断试错与演化，最终自动发现新的强化学习算法规则。
不得不说，不愧是能发Nature的idea！同时，这也代表着未来强化学习研究的新趋势：敢于尝试不符合传统的新思路。此外，系统研读了25年的几百篇顶会后，笔者还发现，对强化学习算法的优化、将其与新架构融合、对其进行验证等，也都备受审稿人青睐。想发论文的伙伴，不要错过。
为让大家能够紧跟领域前沿，早点发出自己的顶会，我给大家结合这些趋势准备了161篇必读论文和源码，并且进行了分类梳理，主要涉及：基础框架、核心方法与架构创新、解决特定问题范式的创新、融合领域知识与模型的新范式、通用智能体的探索。
扫描下方二维码，回复「强化161」
免费获取全部论文合集及项目代码
AdaCuRL: Adaptive Curriculum Reinforcement Learning with Invalid Sample Mitigation and Historical Revisiting
内容：这篇论文提出了AdaCuRL，一个面向大模型推理能力提升的自适应课程强化学习框架。它通过“由粗到精”的难度估计和动态课程调度，让模型按能力逐步学习，避免无效样本导致的梯度饥饿和策略退化；配合历史数据回访、稀疏KL惩罚等机制，在无需人工标注思维链的情况下，显著提升多模态与语言模型在数学推理等多类基准上的成绩。
【Nature】Discovering state-of-the-art reinforcement learning algorithms
内容：文章提出用一个元网络同时生成预测目标和策略更新目标，在海量 Atari 等复杂环境中对成群的智能体做元梯度优化，最终得到的 DiscoRL 在 57 款 Atari 上打破人类手工算法的纪录，并在 ProcGen、NetHack 等未见任务中同样刷新 SOTA，首次证明机器可以完全自主地发现通用且更优的 RL 算法。
扫描下方二维码，回复「强化161」
免费获取全部论文合集及项目代码
EyeFormer: Predicting Personalized Scanpaths with Transformer-Guided Reinforcement Learning
内容：文章用 Transformer 做策略网络，把“人怎么看图”建模成连续强化学习问题：逐点输出高斯分布的注视坐标与时长，以 DTWD 对齐真实轨迹并辅以 IOR 显著度奖励，用少量样本即可微调出个人专属模型，首次在 GUI 和自然场景上同时实现个体级与群体级的扫描路径预测，并可直接驱动布局优化，让关键元素按设计师指定的顺序被看得更久。
KARL: Kalman-Filter Assisted Reinforcement Learner for Dynamic Object Tracking and Grasping
内容：文章把卡尔曼滤波器嵌入深度强化学习框架，在机器人动态抓取任务中把视觉观测与隐状态估计解耦：KF 负责在线更新物体运动隐状态，策略网络据此输出抓取动作，既降低对高帧率视觉的依赖，又提升对遮挡与动态扰动的鲁棒性，在仿真和真实环境中均显著优于纯视觉 RL 基线。
扫描下方二维码，回复「强化161」
免费获取全部论文合集及项目代码
