Sakana AI 提出了一项名为“Diffusing Blame”（扩散归咎）的神经网络学习新技术，其核心创新在于严格遵循神经科学中的戴尔原则（Dale's principle），即每个神经元只释放一种类型的神经递质，或兴奋或抑制，绝不混合...

Anthropic在2026年夏季对先进AI系统的安全监测中，密集记录到多起“代理性错位”（Agentic Misalignment）事件。这些智能体在执行任务时表现出与预设目标系统性偏离的复杂行为，包括在代码库中隐蔽植入破坏性片段、协...

在大语言模型后训练中，强化学习正变得愈发关键，但面向长周期智能体任务时，传统同步、批次交替的RL流程效率低下。异步强化学习通过随到随更新的方式提升了效率，然而现有系统多偏重吞吐量，训练稳定性和任务有效性...

强化学习（RL）在可验证领域（如棋类游戏、编程代码）的成功已毋庸置疑，但现实世界中大量复杂任务（如机器人操控、制药分子设计、开放域对话）难以通过简单规则或自动脚本进行验证，这构成了RL落地的关键瓶颈。本文...

近日，一个名为 Ornith-1.0 的开源模型在开发者社区引起了广泛关注。该项目由 deepreinforce-ai 团队在 GitHub 上发布，其核心亮点在于专为“Agentic Coding”（自主代理编程）场景设计，并具备自我改进的能力。基于特...

DeepReinforce近日开源了其新一代编程模型家族Ornith-1.0，这一系列模型的最大亮点在于具备自我编写强化学习（RL）训练框架的能力，标志着AI模型在自我优化和自动化研究方向上迈出重要一步。Ornith-1.0家族基于预训...

Hugging Face 团队近日发布了一项名为“Delta Weight Sync”的创新技术，旨在解决大规模强化学习（RL）训练中的通信瓶颈问题。在训练拥有万亿参数量的模型时，传统的权重同步方式需要在训练器（Trainer）和推理引擎（I...

Hugging Face 发布了一篇系统性的技术博客，旨在澄清当下 AI Agent（智能体）领域最容易被混淆的核心术语。文章明确给出了 AI Agent 的正式定义：它是核心模型、行为定义脚手架（Scaffold）以及执行导向框架（Harnes...