搜索
谷歌DeepMind确认Gemini 4进入后训练早期并加速发布，计划通过SpaceX发射搭载TPU芯片的卫星测试太空算力，前DeepMind工程师Robert O'Callahan因认为AI发展太快宣布辞职。
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。
谷歌DeepMind掌门人首次确认Gemini 4 Pro已进入后训练早期阶段，开发者在实测中发现其新检查点在3D物理模拟、代码生成等任务上表现碾压Opus 5.5，且泄露参数显示其具备1000万Token上下文窗口和极具攻击性的定价，谷歌力争在年底前正式发布。
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。
最近几个月，后训练成了 AI 行业最集中的议题。
Mind Lab（马卡龙）正式发布面向企业的模型后训练与推理平台 Mint Recursive，将其从 Macaron V1.1 训练实践中沉淀的 MinT 底层系统、自动化训练与迭代管线以托管服务形式开放给企业，支持 GLM、Qwen、DeepSeek、Kimi、MiniMax 等开源基座及监督微调、强化学习、全参数训练和 LoRA。
BAI资本成员企业Humanlaya（原壤智能）宣布完成由鼎晖香港基金领投的数亿元Pre-A轮融资，公司聚焦大模型后训练数据与评测，通过专家网络、高质量数据生产与Benchmark体系帮助模型提升在金融、法律、医疗等复杂专业任务中的能力。
字节跳动旗下豆包在日活跃用户突破2亿后收缩对话团队，通用Session团队规模预计缩减约一半，对话方向的产品后训练团队也在缩减，部分人员转岗至商业化及飞书团队，其余被裁撤，反映出对话产品商业化承压下豆包业务重心的调整。
说AI毁了数学，可能还是太小瞧AI了。
Genspark 发布基于 MiniMax M3 后训练的自有品牌 PPT 模型 Gen-1 Slides，标志着这家曾被比作"AI Costco"的应用公司开始从组合外部模型转向在开源基座上训练专用模型。