强化学习（RL）是锻造当今顶尖大模型（如 OpenAI o 系列、DeepSeek-R1、Gemini 2.5、Grok 4、GPT-5）推理能力与对齐的核心 “武器”，但它也像一把双刃剑，常常导致模型行为脆弱、风格突变，甚至出现 “欺骗性对齐”、“失控” 等危险倾向。
之前在X上看到过一个新加坡版的DeepSeek，叫Agnes AI，主打一站式Agent空间。 但当时我自己搞产品焦头烂额的，随手点开看了看，就放下了。 后来在Product Hunt上又看到这款产品，以及各种海外平台时而刷到。
AI搜索大战，已经白热化！最新QuestMobile报告揭晓：夸克月人均使用次数稳居第一，微博智搜凭DeepSeek杀进前二，腾讯「新闻妹」拿到第三。实测发现，天气预警、社会新闻、数码测评、娱乐八卦，微博智搜统统一键梳理，让网友搜索体验爽到飞起。
稀疏激活的混合专家模型（MoE）通过动态路由和稀疏激活机制，极大提升了大语言模型（LLM）的学习能力，展现出显著的潜力。基于这一架构，涌现出了如 DeepSeek、Qwen 等先进的 MoE LLM。
这就是我与 HMD 3210 的奇遇记：一台外表是 30 年前诺基亚、内心却住着一个完整大模型的「时光机器」。
27M小模型超越o3-mini-high和DeepSeek-R1！推理还不靠思维链。 开发者是那位拒绝了马斯克、还要挑战Transformer的00后清华校友，Sapient Intelligence的创始人王冠。
人工智能引领第四次科技革命，是当前最火的、最具前景、最具爆发力的科技赛道。进入到2025年，发生了什么新的变化？中国人工智能正告别“百模大战”的规模竞赛，向以DeepSeek等六小虎为代表的头部大模型集中。AI发展的核心，从追求模型“可用”转向实现场景的“好用”。
自首次提出 GPT 架构以来，转眼已经过去了七年。 如果从 2019 年的 GPT-2 出发，回顾至 2024–2025 年的 DeepSeek-V3 和 LLaMA 4，不难发现一个有趣的现象：尽管模型能力不断提升，但其整体架构在这七年中保持了高度一致。
众所周知，大型语言模型的训练通常分为两个阶段。第一阶段是「预训练」，开发者利用大规模文本数据集训练模型，让它学会预测句子中的下一个词。第二阶段是「后训练」，旨在教会模型如何更好地理解和执行人类指令。
QuestMobile 发布了 2025 年国内 AI 应用的上半年报告，总的来说，相比海外市场 app 和 web 市场都很火热的情况，国内市场的情况差别比较大。
