强化学习RL

Kimi Linear凭借创新的KDA机制与混合架构，在长短上下文及强化学习任务中全面超越传统注意力，实现6倍推理速度与75%缓存压缩，开启高效大模型新纪元。 比完整注意力（Full Attention）更快更好的新架构，而且已经像 Kimi 那样

GPT-5内置通用验证器：GPT-5最大的变化是搞了个新的强化学习流程，背后靠的是一个新加入的“通用验证器”。你可以把这个验证器看作是和生成器并排站着的另一个模型，就像它的搭档。当GPT-5先出一个初步答案后，这个验证器就会重新读一遍生成器的思考过程和最

谷歌DeepMind提出广义知识蒸馏（GKD），通过策略内自生成样本与教师反馈结合，显著提升小模型性能，兼容强化学习，解决传统蒸馏的分布错配问题。 现在训练大模型，其实浪费了大量算力！  谷歌DeepMind最新论文提出了一种叫“策略内蒸馏”（On

两位AI顶尖科学家指出，持续学习并非不可逾越的障碍，随着规模扩展与范式革新，AGI进展可能远超当前悲观预期。   最近X平台上一片悲观情绪，大家都在说：AGI（通用人工智能）短期内没戏了！理由嘛，就是现在的AI模型根本做不到“持续学习”——学完新东西就忘旧

Cursor 和 Windsurf 代码智能体公司转向“中等智商+超高速”路线，并非否定智能，而是因自研基座模型成本过高；依托中国开源大模型微调与推理优化，成为务实高效的技术路径。 作者背景介绍：  本文作者是长期深耕大模型训练与推理架构设计的资深

Cursor团队发布全新智能编程代理Composer，基于强化学习与MoE架构，在真实开发场景中快4倍、更聪明，重新定义高效编码。 程序员可能不再是从零开始敲代码，而是和一个超级智能体并肩作战？这个智能体不仅能读懂你整个项目，还能自动修复bug、写单元测试

一个140亿参数的模型，竟然能在数学推理上干翻一个6710亿参数的“巨无霸”？这事儿听起来像不像“小学生打赢了职业拳王”？但就在最近，微软研究院真的做到了。 他们没靠堆数据、没靠堆算力，而是用一套叫 rStar2-Agent 的新方法，让一个小巧精

马斯克的xAI正打造全球首个千兆瓦级超算数据中心Colossus 2，通过跨州供电、与Solaris合作自建电厂、布局中东融资等方式突破算力瓶颈，并采用独特强化学习路径冲击AGI，展现出超越对手的全面战略布局。 马斯克的AI公司“xAI”正在悄悄干一件惊天

Sea AI Lab与新加坡国立大学发现，RL训练不稳的根源竟是精度格式问题，将BF16切换为FP16即可显著提升训练稳定性与部署一致性，引发Andrej Karpathy等大神实测验证。 —— 最近大模型训练越

特斯拉FSD14以50亿参数、混合专家、强化学习三重暴击，实现比人类安全17倍的无人驾驶，全球Robotaxi牌照已开闸，驾照即将成收藏品。 FSD14不是升级，是“借尸还魂”  别再以为14就是13打补丁！大错特

推理模型通过算法创新，在数学和科学任务上实现相当于10倍训练算力的性能提升，远超传统模型进步速度。 推理模型的兴起带来了多大的范式转变？深入研究了数据，发现至少在一些基准测试中，推理模型在算法上的进步可能与

一位顶尖AI研究员公开13个未完成的研究构想，涵盖缩放律本质、新预训练目标、环境算力分配、模型传承策略等，诚邀社区共同探索，推动大模型科学前进。 那些看起来“理所当然”的AI规律，其实可能根本就是错的？今天咱们要聊的，不是什么“AI取代人类”的老掉

《强化学习的荒诞悲剧：当阿拉丁神灯又被塞回瓶子里》 ——论学术界如何用"严谨"谋杀了AI最有潜力的分支 （一）黄金时代：当强化学习还是个热血少年2017年的强化学习（RL）就像刚拿到超能力的中二病少年，整天

我们证明，主动学习 + 转录组扰动可以指导下一步运行哪些实验，从而将表型命中率>提高 13 倍。人工智能不仅能预测生物，还能设计生物。 未来的新药研发可能不再靠“大海捞针”，而是靠AI精准“钓鱼”？这项研究彻底颠覆了传统药物筛选的方式——它用一种叫

2025年9月初，丰田研究所的一群科学家在《科学·机器人》上发表了一项让人眼前一亮的研究：他们训练出一个能像人一样用整个身体搬运大件物品的机器人，而教会它这些动作，只需要一次示范。 是的，就一次，就像你教爸妈用手机发微信那样，点一下、做一遍，它就懂

RL环境本质是包含环境、起始状态与验证器的标准化编程考场，确保AI能力评估公平可测，推动AI从聊天走向真实工程实践。 强化学习（RL）里的“环境”到底是什么！别被那些术语吓到，其实它根本没那么玄乎，说白了，就是一个超级公平、超级严格的“AI编程模拟考场”！