Google Research在GitHub公开的Harness²项目，展示了一种不修改模型权重、却能让智能体持续进化的工作机制。其核心思路是围绕每个具体任务动态优化“harness”，即提示词、工具调用、记忆模块与任务编排流程，并通过证...

据《金融时报》采访，曾主导AlphaGo研发的DeepMind前科学家David Silver披露了新创业公司Ineffable的愿景：构建一种基于强化学习（RL）的“超级学习者”，作为大语言模型（LLM）之外的替代路径。Silver认为，当前LLM主...

Cloudflare 近日发布 Clef 与 Clef-flash 两款开源决策模型，专注于返回有界且带类型标注的决策结果，并为每个决策附带概率值，适用于路由、分类以及智能体工作流等场景。这两款模型部署在 Cloudflare Workers AI 上...

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...

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...

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...