字節跳動剛在 Hugging Face 上推出了 ReSA。 這個新的 80K 合成數據集使用 "先回答再檢查" 的策略來訓練 LLM，增強了越獄防禦，並為敏感查詢提供安全、有幫助的回應。

空間強化提升機器人的3D感知 這種即插即用的策略將VLA模型與3D基礎模型對齊，以獲得空間意識。在沒有明確的3D傳感器的情況下，實現機器人任務的SOTA，訓練速度提高3.8倍，現實世界成功率提高50%！

上海人工智慧實驗室推出VPPO用於多模態強化學習 這種新方法突出了「令牌感知」，使得LVLM能夠更好地推理。它在8個基準上達到了最先進的結果，具有更高的穩定性和更快的收斂速度。