AI推理新突破：多智能体安全与规模化并行发展

一句话总结：推理规模化训练迎来"多样性"新维度，VPO 以向量奖励函数解锁测试时搜索多样性上限；Gated DeltaNet-2 革新线性注意力读写机制，多智能体KV共享安全框架LCGuard 填补隐私保护空白，CVPR 2026 连发具身智能两项重磅——手势控制 GesVLA 与自意识导航 AwareVLN 同步登场。机构/作者： Ryan Bahlous-Boldi et al.（多机构联合） 主题： 训练语言模型为多样化测试时搜索做好准备【【强化学习】【测试时扩展】】 内容摘要： 当前 LLM 后训