大语言模型（LLM）的自我改进一直是人工智能领域的核心挑战，而基于可验证奖励的强化学习（RLVR）在过去主要局限于数学、代码等存在明确对错判定的封闭式任务。来自COLM 2026的最新研究RLSVR突破了这一限制，提出通...

随着AI编程工具如Claude Code和GitHub Codex的普及，开发者对自主可控、低成本且注重隐私的替代方案需求日益增长。近日，一篇详尽的教程指南提出，利用开源模型和工具搭建本地编码代理成为新趋势。该指南深入剖析了...

AI代码助手Cursor近日公开了其核心的模型质量评估方法论，采用线上线下混合评估流程，旨在确保其对模型性能的理解与开发者的实际工作体验紧密对齐。该体系的核心在于其内部评估套件CursorBench，它基于Cursor工程团...

近日，一篇题为《Prompts for Open Problems》的文章在机器学习研究社区引发了广泛讨论。文章作者系统性地提出了四个具有高度前瞻性和可行性的研究方向，旨在推动领域突破现有范式。首先，“基于设计的机器学习”倡导...

近日，AI模型聚合平台OpenRouter发布了一份名为《State of AI》的深度实证研究报告。该研究基于对超过100万亿（100T）真实世界大语言模型交互令牌的分析，覆盖了不同任务类型、地理区域和时间跨度，为当前AI技术的实...

知名AI社区Hugging Face近日发布了一份名为《Smol训练手册》的深度技术指南，首次系统披露了从零开始训练大语言模型的全流程实战经验。该手册覆盖了模型训练生命周期的关键阶段：从小规模消融实验和基础设施调试，到...

这篇技术长文系统性地剖析了大语言模型（LLM）的后训练完整生命周期，涵盖了监督微调（SFT）、奖励建模（Reward Modeling）以及强化学习方法（如RLHF）三大核心阶段。作者不仅详细阐述了如何通过人类反馈的强化学习...

最新研究指出，实时编程面试（Live coding）作为一种常见的招聘方式，实际上可能对候选人造成不公。微软的一项研究表明，在被观察的情况下进行编程会显著降低候选人的表现，主要原因是压力导致的工作记忆（working m...