机器人领域正寻求一种类似大语言模型的通用后训练方案，以实现可靠的自主部署。当前模仿学习等方法更多依赖研究者直觉而非结构化流程，而强化学习的训练不稳定性也长期制约机器人策略学习。近期提出的EXPO-FT展示了...

Perplexity近日披露其Computer模型的一项新训练方法，通过将拒绝采样微调与提示引导自蒸馏相结合，让AI既能从成功执行的会话中学习，也能从用户纠正过的失败操作中吸收经验。传统微调往往依赖高质量成功样本，但真实...

Soup 是一个以简化大语言模型微调与后训练流程为目标的开源项目。它将模型训练配置整合进一个 YAML 文件，并通过一条命令完成微调、评估、导出、推理服务部署等环节，同时提供 Web UI。项目支持常见训练方法，并可对...

近期开放模型在短短数月内取得显著进展，基础模型已不再是能力提升的主要瓶颈。以GLM5.3和Qwen3.8-27B为代表的新一代模型，其相较上一代的性能提升主要来自后训练阶段的优化，而非单纯扩大基础模型规模。值得关注的...

fal Research 宣布推出 H3 Max，这是 MiniMax H3 的后训练版本，由 fal 推理团队专门针对生成速度进行优化。官方表示，该模型可在不到 3 秒内生成一段 5 秒长的视频，显著降低视频生成等待时间。在人类偏好评估中，H...

TaoLive团队针对直播电商数字人代理的实时性与适应性矛盾，提出Harness-Aware Training（HAT）后训练方法。其核心是将技能、钩子、系统提示和工具模式从模型权重中解耦，使运行时行为可随业务策略变化而无需重新训练...

Harvey 宣布推出其首个后训练开放权重模型 Tenet，该模型基于 Kimi K3 基础版本，通过异步强化学习在真实的长周期法律环境中进行训练。与单纯向模型灌入更多法律文本不同，Harvey 将尽职调查、审查表格、律所知识等...

人工智能安全公司Cogent推出了其最新的前沿网络推理模型VR-1，该模型经过专门的后训练，能够自主探查陌生企业环境、组合跨系统弱点，并通过实际执行验证攻击路径。VR-1的核心能力在于模拟真实攻击链：从有限初始访问...