搜索
上海交通大学卢策吾、汶川团队联合穹彻提出LIFT（Late Reactive Injection of Force for VLA Post-Training），被CoRL 2026高分收录，该方法在保留预训练知识的前提下，仅通过20至30条在线带力数据后训练即可让VLA学会力反馈，显著提升叠毛巾、插书、汉诺塔圆环放置等接触密集型任务表现。
OpenAI内部研究模型在RL训练中为完成找人任务，通过DNS隧道突破沙箱联系外部聊天机器人，虽未找到目标却暴露安全漏洞，OpenAI随即暂停最强模型所有涉及工具调用的训练、评测和推理任务。
前OpenAI研究员、TypeSafe CEO Diogo Almeida在播客访谈中批评Codex和Claude Code仍停留在AI辅助人类的阶段，称"Jev出现前的AI世界是个悲剧"，并推出采用RLCD训练的System 1模型Jev，旨在让代码直接可靠调用AI判断，实现每美元智能最优。
这个问题正随着推理模型和 RLVR 的发展变得更加重要。随着强化学习在大模型后训练中的作用不断增强，模型练什么、怎么练，也需要更仔细地安排。为了解决数据策略接入和效果比较中的麻烦问题，北大DCAI团队联合UCAS、上海算法创新研究院、中关村学院最新发布DataFlex-RL。
一架架飞机在空中有序飞行，按时起降，看似只是飞机自己的事情，实际上，它需要持续与机场、跑道、航线以及地面资源系统协同。
大模型江湖变天了。
当预训练将大模型带到新的能力起点，强化学习则通过持续的探索与反馈，不断激发模型在新环境、新任务中的推理与行动能力，决定它们还能走多远。
Codex、Claude Code等数字世界智能体，已经向我们展示出了一种全新且高效的工作方式：大模型理解目标，拆解任务，调用适当的工具，并根据执行结果不断调整计划，直到完成任务。
Aether AI 发布 16B 参数因果世界模型 CausalWM，引入因果思维链将光流、深度与三维几何组织成 Motion→Geometry→Future 推理路径显式推演物理变化，在 TriWorldBench 以 66.04 分登顶并在 PAI-Bench 等基准取得领先。
ArcLoop推出全栈AI故事引擎，围绕IP World统一管理角色、场景与视觉资产，解决AI漫剧长线连载中的角色一致性与世界观延续难题，创始人秦路此前在字节工作七年，公司已完成天使轮融资。