近年来，强化学习（RL）在大型语言模型（LLM）的微调过程中，尤其是在推理能力提升方面，取得了显著的成效。传统的强化学习方法，如近端策略优化（Proximal Policy Optimization，PPO）及其变种，包括组相对策略优化（Group Relative Policy Optimization，GRPO），在处理复杂推理任务时表现出了强大的潜力。
当前训练强大的大语言模型（LLM），就像是培养一个顶尖运动员，需要大量的、由专家（人类标注员）精心设计的训练计划和教材（高质量的标注数据）。
在今年三月份，清华 AIR 和字节联合 SIA Lab 发布了 DAPO，即 Decoupled Clip and Dynamic sAmpling Policy Optimization（解耦剪辑和动态采样策略优化）。
近期，Match Group 披露了 2025 年 Q2 财报，收入 8.46 亿美元，同比持平，但付费人数仅 1.41 亿（下滑 5%），相比巅峰期（2022 Q3）少了 2455 万。Dating App 作为最吸金的非游品类，头部公司财务数据近两年一路向下，且到目前为止看不到扭转的迹象。
在最近的技术报告中，苹果公司提供了更多关于 iOS 26 新的苹果人工智能基础模型（Apple Intelligence Foundation Models）的性能和特性的详细信息，该模型是在最近的 2025 年全球开发者大会（WWDC）上宣布的。
最近往返中美频繁发声的黄仁勋，是把英伟达打造成 4 万亿帝国的「AI教父」，今天 The Information 曝光了一个老黄布局多年的秘密。
智东西8月6日消息，据外媒The Information报道，知情人士透露，AI视频初创企业Runway正与投资者洽谈约5亿美元（约合人民币36亿元）的融资，投前估值不低于50亿美元（约合人民币359亿元），较上一轮融资时的估值30亿美元（约合人民币215亿元）高出67%。
2025年初在硅谷创立 Ouraca Inc.，专注打造新一代“AI native” 的终身学习产品线。首款产品 Aibrary正式版即将上线：是全球首个专为个人成长打造的 Agentic AI，它不仅帮助你获取知识，更陪你思考，激发动机，引导行动，让成长真正发生。通过个性化播客、认知引导与行动建议，Aibrary 将书籍与专家洞见转化为你专属的学习旅程。
近年来，大语言模型（LLM）在语言理解、生成和泛化方面取得了突破性进展，并广泛应用于各种文本任务。随着研究的深入，人们开始关注将 LLM 的能力扩展至非文本模态，例如图像、音频、视频、图结构、推荐系统等。
The Information 消息，被 Cognition 收购的 Windsurf 约 200 名员工，最近收到了新公司的邮件，要么接受新公司的 996 的工作条件，要么选择接受 9 个月的补偿买断方案。
