解析小米ICLR 2026研究：从多模态推理效率到端到端自动驾驶的工程突破
·
小米团队在2026年国际学习表征会议（ICLR）上有多篇论文入选，研究方向覆盖多模态推理、强化学习、GUI智能体、端到端自动驾驶及音频生成等领域。这些工作体现了产业界在AI工程化落地中解决具体瓶颈的务实思路。
在提升多模态大模型（MLLM）的强化学习（RL）训练效率方面，论文《Shuffle-R1》指出了现有RL训练中“优势坍缩”和“轨迹沉默”导致梯度信号不足的痛点。其提出的解决方案是一个数据中心的动态重组框架，通过“成对轨迹采样”和“基于优势的批次重排序”两项核心设计，筛选高价值训练数据，从而在增加极少计算开销的前提下，提升训练稳定性和最终效果。这为资源敏感的大模型调优提供了新思路。
在移动端GUI智能体（Mobile GUI Agent）领域，论文《MobileIPL》旨在解决高质量“思考过程”轨迹稀缺和中间步骤监督成本高的难题。该框架创新性地提出“思考层偏好学习”（T-DPO），通过基于规则的结果评分反向归因，自动构建对中间推理步骤的偏好数据对，从而实现对智能体决策过程的细粒度优化，无需高昂的人工标注。这在AITW等基准测试上取得了领先效果。
对于端到端自动驾驶，《ReCogDrive》论文则探讨了如何融合视觉语言模型（VLM）的认知能力和强化学习的决策优化。该方法将VLM的世界知识作为高层指导，结合扩散模型生成多样化的轨迹候选，最后通过RL在仿真环境中学习安全、高效的驾驶策略，尝试统一驾驶的理解与规划模块。
这些研究共同表明，当前AI前沿正从追求模型规模，转向针对具体应用场景（如移动交互、自动驾驶）的算法框架创新和效率优化，强调在仿真环境或可控数据闭环中解决真实世界的复杂任务。
北京人形旗下天工造物具身智能开源社区，聚焦具身天工与慧思开物两大平台
更多推荐
1
0- 0
已为社区贡献2条内容
所有评论(0)