搜索
I²B-LPO 是一个面向 RLVR 后训练的探索增强框架，通过改进 rollout 策略引导模型生成更多样化的推理轨迹，将探索行为从 “重复采样” 推进到 “在关键节点生成更具区分度的推理轨迹”，在多个数学基准上同时提升准确率与语义多样性，最高分别达 5.3% 和 7.4%。该工作接收于 ACL 2026 Main，来自阿里达摩院 - 智能决策团队。
今天早上，OpenAI突然宣布一个促销政策：未来 30 天内，企业用户如果迁移到 Codex，2 个月免费 Codex 用量。同期，桌面端还内置了迁移工具，可以把 Claude Code 的 system prompts、custom skills、chat history、MCP server 配置一键搬过来。
GPT-5.5才发三周，5.6内部测试代码就被抓包了！OpenAI即将祭出Codex 3倍速的「超极速模式」，这种疯狂的迭代速度，简直不给同行留活路。
凌晨 1 点，某三甲医院急诊科，一位 62 岁的男性被紧急送入，他正经历急性 STEMI 并发急性心衰。血压飙至 185/105 mmHg，血氧仅 91%。护士已推来除颤仪，催促医生「心电捕手」确认替格瑞洛剂量。
您有没有想过：在代码Agent里，执行终端命令、跑测试、读报错、总结日志这种任务，用Claude Opus、Claude Sonnet、GPT-5.3-Codex这类昂贵Token的大模型来执行，是不是有点浪费？一定要这么做吗？
当下的大模型后训练（Post-training）pipeline 中，On-Policy Distillation（OPD）已经成为了明星技术。从 Qwen3、MiMo 到 GLM-5，业界纷纷采用 OPD 并报告了巨大的性能提升。相比于强化学习（RL）稀疏的结果奖励，OPD 提供了密集的 Token 级别监督信号，看起来就像是一顿「免费的午餐」。
“做应用”这件事，现在真的老少咸宜了： 一个二年级小朋友，做了个“拼伞小程序”和操作系统。
押注AI基础设施、新云和大模型。
离职Meta后的田渊栋，现身独角兽联创名单，成了AI创业合伙人。Recursive Superintelligence（RSI），不到30人，刚从隐身状态走出来，就拿到6.5亿美元融资（约44亿元人民币），估值46.5亿美元（约316亿元人民币）。
你可以直接跟 Claude 说想做什么，它帮你写代码、刷固件、装应用，几分钟之后，这台信用卡大小的设备就跑起了你要的东西。这台小设备叫 M5Stack Cardputer ADV，基于 ESP32-S3 芯片，真的只有信用卡那么大。