英伟达发布面向车载部署的推理型视觉-语言-动作模型 Alpamayo 2 Edge，以20亿参数的 Nemotron 推理骨干搭配扩散动作专家，在 DRIVE AGX Thor 上按需生成因果链推理与未来轨迹。在 AlpaGym 中做闭环强化学习后训练，使其闭环驾驶表现比未做该后训练的最佳检查点提升48.9%；按官方部署配方优化后，像素到轨迹的推理延迟为160至190毫秒，具体取决于推理量。
EVAThink把“这段采样帧够不够直接回答”变成训练信号：同一问题、同一答案下构造证据密集与证据稀疏两种视频视图，只保留稀疏视图直接作答变差、但显式推理能补回来的样本对，再用两阶段强化学习教模型在直接作答与推理之间切换。训练仅用6.7K样本，在32帧与64帧固定预算下六个视频理解基准的平均分分别为63.5%和65.6%，均高于基座Qwen3-VL-8B-Instruct；64帧下自适应模式比纯直接作答和纯推理分别高2.3和3.6个百分点，输出长度比纯推理少约62%。
音频大模型做显式推理时，此前多用一个整体难度信号决定要不要多想，难以指导推理链内部各段该分配多少算力。SWEAR把难度拆成声学质量、声学复杂度与推理需求等五个维度，先离线给推理链的规划、描述、推理三段打分并压缩参考轨迹，再让模型在监督微调中学会在生成每段之前先预测该段难度，随后用强化学习按自评难度控制各段长度。在MMAU-test-mini与MMAR上，相比无难度监督的CoTA-SFT，准确率分别提高2.6与6.3个百分点，生成token减少60.1%与62.3%。
已读完全部报道