让AI更稳定、更会追问：千问C端应用团队ICLR 20

当AI助手越来越多地参与到学习、工作辅助、医疗咨询等生活场景，能否稳定输出、是否懂得追问关键信息，正成为衡量AI能力的重要标准。

1月30日消息，千问C端应用团队的四篇人工智能领域研究论文入选2026国际学习表征会议（ICLR 2026），论文聚焦扩散模型训练、多轮对话决策、信息验证及模型价值观对齐等关键问题，部分成果已有实际应用，推动AI助手在复杂场景下更加聪明、可靠、实用。

ICLR与NeurIPS、ICML并称为机器学习和人工智能领域三大顶级国际会议。本届会议投稿量接近19000篇，接收率创下近年来新低。

本次四篇论文在多个前沿领域取得创新突破。在扩散语言模型（Diffusion Models）研究方面，千问C端应用团队针对dLLM独特的掩码训练不稳定性，将其系统分解为了三种不同的噪声来源，并相应提出帕累托最优的无偏训练算法。该算法显著降低了dLLM的训练波动、进而提升其图文生成质量。这意味着在内容生成、创作辅助等应用中，AI输出将更加稳定。

围绕医疗多轮对话中的复杂推理任务，团队提出了自适应树策略优化（ATPO）方法，使AI能够根据对话中的不确定性动态调整决策路径。当信息不足时，AI会主动追问关键问题；当线索清晰时，则快速给出判断。这一能力可帮助AI助手在医疗咨询等专业场景学会“主动问诊”，让AI像经验丰富的医生一样，只问最关键的问题，避免无用的来回对话。

在信息检索与验证方面，研究团队构建了“提问—解答—验证”的自博弈强化学习框架，使AI在无需人工标注的情况下不断自我验证与进化。这一机制有助于提升AI在复杂问题下的检索与核验能力，在学习辅助、研究支持等知识密集型场景中表现更为可靠。

此外，在模型价值观对齐研究中，团队引入信息论偏见消除方法，引导奖励模型关注真正与人类偏好相关的信号，减少冗长、格式化但信息密度不高的输出。这使得AI在训练过程中真正关注能够帮助到用户的核心要点，降低模型输出中出现“表面迎合但缺乏实质内容价值”的情况。

业内专家指出，当前大模型竞争正从“参数规模”转向“算法深度与工程实效”。千问C端应用团队在生成稳定性、多轮对话决策和模型对齐等方向上的系统性探索，体现了其在基础算法与应用导向研究上的持续投入。

值得一提的是，此次千问C端应用团队入选 ICLR 2026 的四篇论文相关代码均已开源。通过开放核心实现细节，将为行业在提升AI可用性、可靠性方面提供有益参考。