谷歌近日正式发布了一种名为RRSI（Regularized Recursive Self-Improvement）的新方法，用于优化AI智能体在递归自我改进过程中的稳定性与泛化能力。该方法的核心理念是“正则化搜索过程，而非正则化智能体外壳”，通过...

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...

小米正式开源 MiMo-V2.6 Pro 和 MiMo-V2.6 Flash 两款全模态模型，展示了从视觉、语言到动作与音乐等多模态任务上的统一能力。官方介绍，这两款模型能够协调多个智能体来构建并以视觉方式测试交互式 3D 场景，还能直...

近日，LessWrong 上一篇分析文章指出，大语言模型之所以在数学和编程任务上表现突出，并不能简单归因于“数学答案容易验证”。更核心的原因在于：这些模型的能力仍主要由模仿学习驱动，而非强化学习；数学领域的预训练...

近日，开源社区出现了一款名为OpenArm的全开源人形手臂项目，由enactic团队发布，目标是为物理AI研究和接触丰富环境中的部署提供完整硬件方案。该项目聚焦遥操作、模仿学习等前沿方向，使研究者和开发者能够基于开放...

标准强化学习（RL）在训练大语言模型（LLM）时，往往在最困难的问题上表现不佳，简单标量奖励信号难以精确衡量模型在复杂任务上的真实能力。这篇题为《Learning to Solve Hard Problems in RL for LLMs by Never Giv...

Periodic Labs 宣布其模型 Periodic Neon 在材料科学关键基准 FrontierXRD 上，以更低的单次分析成本超越 GPT-6 Astra 与 Claude Fable 5.1，成为高难度 X 射线衍射（XRD）分析的帕累托最优模型。区别于仅依赖通用网...

Sakana AI提出增强拉格朗日预测编码（PC-ALM），为深度网络训练提供了一种不依赖反向传播的局部学习方案。该方法扩展标准预测编码框架，在层间引入扩散耦合，并为每一层配备反馈控制动力系统，从而仅依靠层局部动力...