论文精读

论文精读

论文精读：Co-RL——群体互评替代 RLHF：公式、机制与 7+4 基准实测

Co-RL 完整拆解：peer-reward 伪标签公式、环状拓扑多数投票、群体多样性三维度、GRPO 结合；3B 模型 7 基准平均 +8.6%、VLM 4 基准 +7.2%，无标签追平监督，代码开源。

论文精读

论文精读：SemComp-Bench——视频生成评测从「像不像」走向「做没做成」

本周 HF 最热论文（153 upvotes）。完整拆解：OA/GR 双指标公式、六领域 21 类任务、四阶段数据构建、7 款模型实测——最强模型 OA 仅 37.8%，I2V 全面优于 T2V。