搜索
今年以来，在线策略蒸馏 OPD（On-Policy Distillation）已经逐渐成为大厂 LLM 后训练中的重要组件，例如 DeepSeek-V4，GLM5 就使用了多教师 OPD 来整合不同领域专家模型的能力，相比混合奖励强化学习收敛更快、效果更好。
前几天大模型圈子有个很魔幻的场面，傅盛、孙宇晨、特朗普家族，三个八竿子打不着的人，开始扎堆做大模型中转站的生意。
一家视频公司，用三年时间让全员学会写代码——包括那些从没碰过编程的运营、市场、内容同学。
最近，GPT-5.6泄露了！150万Token+神级极简UI，下月紧急上线，奥特曼的「超级智能体」要掀翻整个硅谷？6月AI大战，已经提前爆发了。
「什么都没说，却什么都说了。」Ilya用一幅Die Shot上的《思考者》引爆全网。
为具身智能打造真正能干活的"小脑"和"双手"。
没有信息泄漏的专业术数题库面前，Claude、GPT等主流模型集体「翻车」。但一个叫Tianfu Agent的系统，却一举将准确率提升至50%，逼近本届术数大赛人类Top20选手的53.5%平均水平。
多模态训练狠狠烧钱，世界模型公司也都在疯狂融资。
谷歌CEO皮查伊这次真没藏着掖着，直接一个真心话大放送了： 在Coding这事儿上，我们家Gemini确实有点了落后哈…..
亚马逊给员工的AI工具装了计量器，官方说不考核，经理盯着排行榜不放。Meta内部榜单30天烧掉60万亿token，扎克伯格没进前250。然而Jellyfish数据打脸：刷10倍token，产出只多了1倍。谁在为这场荒诞游戏推波助澜？