搜索
国防科技大学与清华大学团队提出ICRPM（In-Context Risk Predictive Model），利用近期任务—风险记录预测策略更新后的风险，在无需额外rollout或环境交互的情况下提升大模型RLVR、Meta-RL及鲁棒控制中的任务排序与训练效果。
阿里千问联合俄亥俄州立大学提出TRACE，以Rollout侧FP4量化结果引导训练侧舍入，在四个Qwen MoE模型上保持接近BF16的性能，并使128K输出解码吞吐最高提升5.4倍。
一周之内大语言、图片、视频模型都迎来新赛季：OpenAI的GPT-6 Astra让编码 Agent更好地使用游戏引擎和Blender，自己改场景、自己跑、自己测；GPT-image-2.5上线，更快更强，图片编辑和关键帧动画显著提升；fal和Yoroll分别发布 H3 MaxTurbo和H3 Superfast后训练加速模型，5秒视频3秒内推理，实时生成和互动玩法纷纷涌现。
AI视频生成正从质量竞争转向实时速度竞争，AI互动内容公司Yoroll基于开源MiniMax H3模型推出后训练模型Yoroll H3 Superfast，可在4秒内生成10秒768p带音频视频，并上线由其驱动的实时互动叙事产品YoLive。
世界模型是物理原生智能（Physics-native Intelligence，Phi）重要的组成环节。
过去的 Diffusion RL 多聚焦于奖励设计与优化算法，训练时的采样成本被忽视。DMSampler 指出：在在线 RL 中，限制规模化的不只是奖励信号或优化器，很多时候是 rollout 本身太贵。
来自清华大学与腾讯的研究者提出了 Generalizable Predictive Prompt Selection（GPS）。GPS 的做法很直接：先训练一个小型、可泛化的 Prompt Predictive Model（PPM），让它预测不同 prompt 在当前模型下的难度；再根据难度和 batch 多样性选择训练样本，从而减少无效 rollout。
以 LeWorldModel（LeWM）为例，它在规划时有一个重要瓶颈：每评估一条候选动作序列，模型都要一步步自回归 rollout。也就是说，LeWM 先预测下一步 latent，再把预测出的 latent 输入 dynamics model，继续预测下一步：
本周「十字路口」，我们聊 FDE 这个正在被重新定义的岗位与分工：它究竟是在把“售前/交付”换个名字，还是代表 ToB AI 时代新的组织结构与商业边界？当模型越来越强，最后一公里为什么依然最难？企业真正缺的，到底是更强的模型，还是能把 AI 带进流程、接入系统、治理知识、持续迭代并对结果负责的人？
这几天，一部叫《丧尸清道夫》的 AI 短片，把国内外互联网都刷了一遍。没有大牌导演，没有传统动画公司的工业体系，也没有烧钱级别的制作预算。一个中国独立创作者，用十天时间、约 3000 元成本，做出了一部被网友称为"国产爱死机"的 AI 短片。