深度分析
RLVR 以可驗證獎勵強化學習提升 Atlassian 工作流自動化
大型語言模型在企業SaaS工作流程中常因只預測下一個字而失誤。研究以可驗證獎勵的強化學習在模擬Jira與Confluence環境訓練工具使用代理人，將四個非退化情境的平均獎勵從0.35‑0.92提升至0.95‑1.00，顯示小模型亦能達成高正確率。未來若能自動產生驗證獎勵，將加速AI工作流程自動化。
Qwen3
深度分析
以區塊式政策漂移門控強化 On‑Policy Distillation 數學推理表現
本研究聚焦於長序列推理任務中 On‑Policy Distillation（OPD）容易因學生策略漂移而失效的問題，提出一種輕量級的區塊式政策漂移門控機制。
深度分析
委派式聚合器 (PPV) 提升大型語言模型推論一致性：在 MMLU‑Pro 非平凡子集提升 2.24 個百分點
本研究探討在多樣本大型語言模型推論中，利用委派式聚合器（PPV）取代傳統多數投票。方法結合字母層級不確定性與推理向量幾何，無需金標籤。實驗顯示在MMLU‑Pro非平凡子集上提升約2.24個百分點，統計顯著。此提升暗示委派式聚合在提升模型一致性與可靠性方面具備潛力。