delivery service planning,” Transportation Research Part C: Emerging Technolo- gies, vol. 90, pp. 198–212, 2018. [9] S. C. Dafermos and F. T. Sparrow, “The traffic assignment problem for a general network

dB，SSIM 提升了 0.05，且在 512×512 分辨率图像上实现了 4.2× 的压缩比，为图像压缩领域提供了新的技术思路和解 决方案。 视频压缩需平衡时域依赖与计算复杂度。HLVC[198]设计三层级增强框架：I 帧压缩层初 始化，双向深度压缩层利用时域参考，单运动压缩层共享运动矢量，配合加权递归增强网络 融合多级信息，实现 17% BD-Rate 节省。DVC[199]作为端到端视频压缩里程碑，通过光流估 One-Step Diffusion for Extreme Image Compression[EB/OL]. https://arxiv.org/abs/2506.21977[2025-06-27]. [198] Yang Ren, Fabian Mentzer, Luc Van Gool, et al. Learning for video compression wi th hierarchical RL）[197]是一个通过智能体与环境的交互来学习最优 行为的机器学习范式。智能体通过执行动作，环境会返回状态和奖励。其目标是学习一个最 优策略，从而最大化其累积回报的期望。 基于人类反馈的强化学习（RLHF）[198]通过引入人类偏好，将语言模型的训练目标从模 仿数据集转变为最大化人类偏好。这为解决 SFT 的局限性提供了有效途径。在 RLHF 框架 下，大语言模型的训练被重新定义为强化学习任务，大语言模型的对齐通常分为三个阶段：