热点事件持续更新
RLNF：用脑信号偏好反馈训练AI
2 篇报道2 个报道来源1 小时前更新
先了解这件事
AI 综述
2026年10月30日，Elvis Saravia 在 X 上介绍了一个名为“神经反馈强化学习”（RLNF）的研究方向，称其用从脑信号中解码出的偏好来训练 AI 模型。他评价这一方向“太疯狂”，认为偏好数据直接来自大脑；并提到自己做过脑机接口（BCI）研究，认为这类研究能让强化学习、BCI、智能体等技术相互叠加，有望在规模上释放真正的个人智能。同日稍晚，Rohan Paul 在 X 上引用相关内容进一步介绍，称 RLNF（RL with Neural Feedback）找到了从脑信号训练 AI 模型响应人类偏好的可靠方法；示例中一张人脸图片会在被试注视时自我变换成对其更有吸引力的版本，该图像模型通过读取观看时的脑部反应学习个人审美并改图以提升评分，无需评分、点击或提示词。目前报道未披露具体方法细节与实验数据。
AI 根据报道生成 · 1 小时前更新
最新进展10月30日 06:25
Rohan Paul 补充介绍 RLNF 示例：人脸图按被试脑反应自我改图以贴合其审美。报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- Rohan Paul (@rohanpaul_ai) · XRLNF 方法通过脑信号训练图像模型响应个人偏好
引用内容介绍 RLNF（RL with Neural Feedback），称找到了从脑信号训练 AI 模型响应人类偏好的可靠方法；示例中一张人脸图片会在被试注视时自我变换成对其更有吸引力的版本。作者补充说明该图像模型通过读取观看时的脑部反应学习个人审美并改图以提升评分，无需评分、点击或提示词。
- elvis (@omarsar0) · XRLNF：用脑信号训练AI偏好
这个研究方向太疯狂了。就像偏好数据直接来自大脑。 他们提出了神经反馈强化学习（RLNF）。它用从脑信号中解码出的偏好来训练AI模型。 我以前做过BCI研究，所以我觉得这类研究方向能让这些技术（RL、BCI、智能体等）相互叠加。我认为这类工作真的能在规模上释放真正的个人智能。
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。