#reinforcement learning

来自 General Intuition、Kyutai 和 Epic Games 的研究人员发布了 MIRA，这是一个具有 50 亿参数的交互式世界模型，在 1 万小时的合成《火箭联盟》数据上训练，能够在单个 B200 GPU 上以 20 FPS 支持 4 人实时游戏。 MIRA 展示了大规模世界模型在多玩家、物理复杂环境中的可行性，通过提供可玩演示和开源工具，可能加速游戏 AI、模拟和强化学习的研究。 该模型使用潜在扩散架构，根据所有四名玩家的动作生成视频帧，团队还发布了 1000 小时的四人游戏数据集、技术报告和可玩的在线演示。

LingBot-Video 是一个 13B 参数的稀疏 MoE 视频扩散 Transformer（活跃参数 1.4B），通过包含物理合理性奖励在内的六项奖励进行了强化学习后训练，并支持基于动作条件的机器人 rollout 预测即世界模型。 该工作通过结合稀疏 MoE 提升效率、强化学习后训练增强合理性，并开源权重与代码，推动了视频生成和世界建模的发展，是机器人与视频合成研究的有力候选。 该模型采用 DeepSeek-V3 风格的稀疏 MoE，拥有 128 个专家和 Top-8 路由，在 RBench 上取得平均最高分，但通用文生视频排名第二。物理合理性奖励由 VLM 评判，尽管加入了真实视频负样本，仍引发对奖励破解的担忧。

6 月 29 日，特斯拉发布了 FSD v14 Lite，将 HW4 级 V14 的智能提炼到 HW3 硬件上，使 HW3 车辆能够使用此前仅 HW4 拥有的强化学习和离线模型，并首次引入停车、出库和倒车功能。 此次更新通过将尖端智驾能力带给数百万无需硬件升级的现有车主，显著延长了老旧 HW3 车型的使用寿命。它展示了特斯拉在模型蒸馏方面的工程技术能力，并强化了其在跨硬件世代持续软件改进的承诺。 FSD v14 Lite 改进了导航处理、并线、行人交互、交通灯响应和车辆切入应对，同时减少了不必要的刹车，提升了转向平顺性和车道居中表现。更新还增加了全时段速度配置文件自定义，以个性化驾驶风格。