本报告围绕强化学习中的“信用分配”难题，系统梳理了延迟/稀疏奖励场景下如何精准识别关键动作的研究脉络， 介绍LaRe与VinePPO两项新工作 ，分别利用大模型先验与无偏采样提升奖励分配精度与训练效率，展示了“利用大模型知识或采样先验实现精细信用分配”的新范式，并指出未来从相关性走向因果性、用元学习自适应分配信用的发展方向。
强化学习中的信用分配-贺晨阳原创文章，作者：bfs，如若转载，请注明出处：https://www.isclab.org.cn/2026/01/12/%e5%bc%ba%e5%8c%96%e5%ad%a6%e4%b9%a0%e4%b8%ad%e7%9a%84%e4%bf%a1%e7%94%a8%e5%88%86%e9%85%8d/
为了从网络上海量文本信息提取有价值信息，需要使用计算机处理文本数据，首要任务是将文本转换为计算机可以处理的向量化数据。单词是文本的最小单位，所以需要使用语言模型得到词向量表示成为文…
以本人为主提出了基于ES（基本数据流层）的视, 音频剪辑算法；基于打包数据流层的视, 音频剪辑算法；基于PES流的视, 音频同步剪辑算法。并基于这些算法实现了基于MPEG-2码流的…
随着社交媒体、论坛产生的用户生成数据不断增长，从大规模信息流中发现、分离和分析论点的需求凸显了论辩挖掘的重要性。本次报告旨在了解此领域经典的系统处理流程，掌握观点对识别和抽取任务定…
该研究针对多模态大语言模型生成内容与输入信息不符的“幻觉”问题，提出两种缓解方法：OPERA在推理阶段通过惩罚过信任与回溯重分配机制减少幻觉；HACL在训练阶段引入幻觉文本作为困难…
学术报告介绍了一种基于init节区的安卓共享库加固方式、一些防逆向工具和反调试的方法以及解释执行保护共享库的内容。 附件-Andro…
CVE年度统计结果表明，2018年披露的漏洞数量超过16500，创历史新高。漏洞的数量和复杂程度与日俱增，导致传统二进制漏洞自动化挖掘技术的成本也在不断升高。为迎接这些挑战，研究人…
文本-图像生成模型在当今生活中有广泛应用，最新研究表明，这类多模态的生成模型也面临着安全风险，例如对抗样本攻击、成员推理攻击和后门攻击等。本次学术报告介绍了文本-图像生成模型最新的…
对抗攻击是当下智能系统的新威胁，它使得很多在现实世界中应用的智能系统存在的安全漏洞极大地暴露了出来。近年来，学界提出了多种实现对抗攻击的方法，但是在不知道目标模型的防御细节的情况下…
近年来，随着互联网技术的高速发展和数据规模的快速增长、大数据的应用，多标签分类应用场景越来越多，如电子商务中的商品分类、网页标签、新闻标注、蛋白质功能分类、音乐分类、语义场景分类等…
大语言模型为自动化评审提供了发展契机，但通用AI模型在进行初步筛查和生成评审报告时，普遍存在积极性偏差、知识幻觉以及评价缺乏深度的缺陷。本次学术报告结合DeepReviewer和R…
