Learning to Reason by Analogy via Retrieval-Augmented Reinforcement Fine-Tuning
通过检索增强强化微调进行类比推理学习
机构 * Meta Superintelligence Labs（Meta超级智能实验室） ； Rice University（莱斯大学）
AI总结 提出RA-RFT框架，通过黄金相关性蒸馏训练检索器，并结合强化微调利用类比推理轨迹，提升数学推理性能。
大厂专区
Meta
When to Align, When to Predict: A Phase Diagram for Multimodal Learning
何时对齐，何时预测：多模态学习的相图
机构 * Technion（以色列理工学院） ； Genentech（基因泰克公司） ； Brown University（布朗大学） ； Meta AI, FAIR
AI总结 提出统一线性框架，通过信噪比模型揭示跨模态对齐与预测的互补失效模式，构建四区域相图指导多模态学习目标选择，并在非线性实验中验证。
Versioned Late Materialization for Ultra-Long Sequence Training in Recommendation Systems at Scale
版本化延迟物化：面向大规模推荐系统的超长序列训练
机构 * Meta Platforms, Inc.（Meta平台）
AI总结 提出版本化延迟物化范式，通过归一化存储和即时序列重建消除数据冗余，支持超长用户交互历史训练，降低存储I/O开销并提升模型质量。
V-JEPA 2.1: Unlocking Dense Features in Video Self-Supervised Learning
V-JEPA 2.1: 解锁视频自监督学习中的密集特征
机构 * FAIR at Meta（Meta的FAIR） ； Universidad de Zaragoza（萨拉戈萨大学）
AI总结 提出V-JEPA 2.1系列自监督模型，通过密集预测损失、深度自监督、多模态分词器和有效缩放，学习图像和视频的密集高质量视觉表示，在多个基准上取得最优性能。
Mixing Makes Markovian Contexts Cheap for Linear Bandits
混合使得马尔可夫上下文在线性赌博机中变得廉价
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Meta, Superintelligence Lab（Meta超智能实验室）
AI总结 针对马尔可夫上下文线性赌博机问题，提出一种基于均匀几何遍历性的约简方法，通过构建平稳替代动作集和延迟更新方案，实现了与标准线性赌博机相当的最坏情况遗憾界。
