大模型后训练的痛点：均值优化忽略低概率高信息路径，导致推理能力停滞。RiskPO双管齐下，MVaR目标函数推导梯度估计，多问题捆绑转化反馈，实验中Geo3K准确率54.5%，LiveCodeBench Pass@1提升1%，泛化能力强悍。
最近，曾任字节智慧教育业务线 CEO 的李可佳（Ethan KJ Li）也入局了“AI 播客”，只不过它的思路与前两位并不相同。李可佳的产品名为 Aibrary，于今年 4 月 23 日上线美区 App Store 进行测试，9 月 23 日正式上线。从官网上的介绍来看，Aibrary 的核心功能是把书籍转化/重塑为个性化播客，并通过定制学习路径、互动式辅导，服务于个人学习场景。
本周，LangChain 宣布完成 1.25 亿美元融资，投后估值 12.5 亿美元。除了宣布其独角兽地位外，该公司还发布了里程碑式更新：经过 3 年迭代，LangChain 1.0 正式登场。而且，这并非一次常规的版本升级，而是一场从零开始的重写。
10 月 23 日，一向不爱出风头的夸克上线了对话助手，可以让用户在一个 App 内即可完成信息查找、问题解答与任务处理，实现了 AI 搜索与对话的深度融合。其中一大亮点就是，该对话助手采用了 Qwen 最新闭源模型。至于是哪个型号、性能有多强，夸克卖了个关子，只透露比 Qwen3-Max 更进一步，在业界有绝对领先性。
近两三年，在技术演进下，“AI虚拟细胞”成为备受关注的热门赛道。AI虚拟细胞平台公司「百曜科技」近日完成数千万元天使轮融资，由峰瑞资本领投，顺禧资本跟投，明德资本担任独家财务顾问。
全球六大LLM实盘厮杀，新王登基！今天，Qwen3 Max凭借一波「快狠准」操作，逆袭DeepSeek夺下第一。Qwen3 Max，一骑绝尘！ 而GPT-5则接替Gemini 2.5 Pro，成为「最会赔钱」的AI。照目前这个趋势，估计很快就要跌没了……
人工智能模型的安全对齐问题，一直像悬在头顶的达摩克利斯之剑。 自对抗样本被发现以来，这一安全对齐缺陷，广泛、长期地存在与不同的深度学习模型中。
时隔两月，Baichuan-M2 Plus重磅出世！成为业内首个循证增强的医疗大模型，幻觉要比DeepSeek-R1低3倍，可信度比肩资深临床专家。新模型将「循证医学」理念深度融入训练和推理，通过首创「六源循证范式」，模拟人类医生思维，有效辨别不同层级医学证据、评估其可靠性，并在回答中优先引用高等级证据。
年初的 DeepSeek-R1，带来了大模型强化学习（RL）的火爆。无论是数学推理、工具调用，还是多智能体协作，GRPO（Group Relative Policy Optimization）都成了最常见的 RL 算法。
10月23日，AI应用公司LiblibAI宣布完成1.3亿美元B轮融资，由红杉中国、CMC资本及一战略投资方联合领投，多家老股东超额增持。高榕创投曾于2023年联合领投LiblibAI天使轮。 在AI
