连续时间强化学习用于受控Hawkes跳跃扩散过程
评分
73首次将连续时间强化学习系统应用于非马尔可夫Hawkes跳跃扩散控制，提出新算法和收敛性理论，信息增量大。
理论证明完整，实验对比多种核函数，结构严谨，方法细节清晰。
无模型算法可应用于金融、网络等事件驱动场景，实用性较强。
arXiv预印本，日期疑似为未来编号，但内容紧跟强化学习与随机控制前沿。
来源为arXiv AI/CL/LG，属于权威预印本平台，且作者有完整学术论证。
基础分 81.5 × T2 信源权重 ×0.9 = 73
精选线 70已入选精选
精选理由
方法创新性强，理论证明与实验验证兼备，对连续时间随机控制与强化学习交叉领域有重要推动。
AI 点评
「这篇论文最值得关注的点在于把强化学习从离散时间的套路里拔出来，直接面向具有记忆效应的Hawkes过程。如果你是做高频交易或事件序列建模的研究者，这套无模型连续时间控制方法可能比现成的DQN类工具更贴合实际系统。」
速览
本研究针对多变量Hawkes驱动的随机微分方程，提出在非马尔可夫环境下利用机器学习算法进行随机控制。由于Hawkes强度的路径依赖记忆性，该问题在经典随机控制理论中难以直接处理。作者首先开发了有限维马尔可夫化过程，用指数核混合逼近多变量Hawkes过程，并证明其收敛性。随后提出连续时间确定性策略梯度学习算法Hawkes-CT DDPG，仅依赖事件时间、SDE解和衰减滤波器即可实现无模型优化，无需知道Hawkes核系数。实验对比了简单指数、Erlang和幂律核下的离散时间强化学习方法，验证了算法有效性。
- 提出Hawkes跳跃扩散的有限维马尔可夫化方法，证明过程、强度及问题价值函数的收敛性
- 设计Hawkes-CT DDPG连续时间确定性策略梯度算法，支持无模型学习
- 算法仅需事件时间、SDE解和衰减滤波器，无需已知Hawkes核系数
- 在指数、Erlang和幂律三类核下与离散时间强化学习对比，验证优势
正文
本文为 AI 生成的中文精读,原文请点「查看原文」
相关条目
精选DeepSeek V4 在 OpenRouter 上的代币份额翻倍，智能体工作负载成主要驱动力
DeepSeek V4 的快速采用表明市场对高性能、低成本推理模型的强烈偏好，尤其是智能体场景将重塑 AI 部署格局。
91
精选启用两项设置使ARC-AGI-3基准测试分数提升三倍
这项发现太关键了！它表明模型的性能不仅取决于训练，还取决于推理时的配置。对于AI工程师和研究者来说，这是一个必须注意的优化方向。特别是那些在资源受限设备上部署模型的团队，可能会因此找到低成本提升能力的方法。
91
精选GPT-5.6：前沿智能与前沿效率的融合
这条消息值得关注，因为它标志着大模型竞争从单纯拼参数转向拼效率。对于AI开发者和企业决策者来说，GPT-5.6意味着可以用更少预算获得更高性能，尤其适合那些被推理成本挡在门外的长上下文或Agent场景。OpenAI这一步，可能重新定义‘前沿’的标准。
91
精选LFM2.5-Encoder：面向CPU快速长上下文推理的新模型
这篇博文让我眼前一亮，因为它直接解决了大模型在CPU上跑长上下文的痛点。对于没有高端GPU的团队或个人开发者，LFM2.5-Encoder系列提供了可立即使用的开源方案。尤其推荐给做RAG、文档搜索或代码分析的朋友——现在用普通服务器就能处理百万级token的文档了。
91
精选GPT-Red：OpenAI通过自我对弈实现AI红队自动化，提升模型鲁棒性
GPT-Red 是红队测试从人工到自动化的里程碑，特别适合安全工程师和对齐研究者关注。它直接降低了测试成本，但也引发了对“自动攻击”本身的伦理讨论——值得所有关注AI治理的人深入思考。
91
精选OpenAI推出GPT-5.5生物漏洞赏金计划
这个计划值得关注，因为它首次将AI漏洞赏金制度拓展到生物安全领域，不仅为安全社区提供了新的研究方向，也为AI风险治理提供了实际演练场。对模型安全研究者、生物安全专家以及关心AI双重用途的从业者尤其重要。
91
精选vLLM推出原生速度Transformers建模后端，大幅提升推理性能
这项更新对于AI工程团队非常关键：无需格式转换意味着能更快地迭代模型，而2-5倍的速度提升直接降低GPU成本。如果你正在做LLM在线服务或者批量推理，这几乎是必读的技术更新。
90
精选Google DeepMind 发布手语转文本模型 SL2T，助力聋人用户
这则消息的意义不仅在于技术突破，更在于AI开始真正关注边缘群体的需求。对开发者而言，SL2T的架构思路和技术路径值得深入研究；对无障碍倡导者来说，这是推动行业标准的重要案例。