热点事件观察中
面壁智能发布扩散奖励模型DRM
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
2026年9月30日，面壁智能通过其OpenBMB渠道发布消息，宣布推出Diffusion Reward Models（DRM）。据该消息，DRM由面壁智能联合清华大学THUNLP提出，其核心思路是不再将人类偏好压缩成单一分数，而是学习完整的奖励分布，从而保留分歧、不确定性与多种合理判断。报道未披露该模型的具体技术细节、发布时间表或评测结果。
AI 根据报道生成 · 9 小时前更新
最新进展9月30日 21:00
面壁智能联合清华THUNLP发布DRM，学习完整奖励分布而非单一偏好分数。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- X：面壁智能 OpenBMB面壁智能推出 Diffusion Reward Models，学习完整奖励分布
面壁智能联合清华 THUNLP 提出 Diffusion Reward Models（DRM），不再把人类偏好压缩成单一分数，而是学习完整奖励分布，保留分歧、不确定性与多种合理判断。
本事件热度走势
当前热度 3·可比范围峰值 3（10月2日 12:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。