热点事件持续更新
MIT 发布 SOLE-R1：视频语言推理充当唯一奖励
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026 年 10 月 8 日，AGI Hunt 报道，MIT 与 RAI Institute 发布 SOLE-R1。这是一个充当在线强化学习唯一奖励信号的视频语言推理模型，代码、模型与数据均已开源。按报道描述，它仅凭原始视频和自然语言目标做时空链式推理（CoT），输出稠密的任务进度估计并直接作为奖励使用；训练上采用 SFT 与可验证奖励 RL 的混合框架。该方法让机器人以零样本方式在线学习技能，报道称其奖励信号完全来自视频语言推理，无需额外的人工标注或手工设计的奖励。目前公开的信息仅来自这一篇报道，尚无后续进展披露。
AI 根据报道生成 · 3 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- AGI HuntMIT 提出 SOLE-R1：视频语言推理充当唯一奖励，机器人零样本在线学技能
MIT 与 RAI Institute 发布 SOLE-R1，一个充当在线 RL 唯一奖励信号的视频语言推理模型，代码、模型、数据均已开源。它仅凭原始视频和自然语言目标做时空链式推理（CoT），输出稠密的任务进度估计直接作为奖励，训练采用 SFT + 可验证奖励 RL 的混合框架。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。