大语言模型（LLM）以生成能力强而著称，但如何能让它「听话」，是一门很深的学问。 基于人类反馈的强化学习（RLHF）就是用来解决这个问题的，其中的奖励模型 （Reward Model, RM）扮演着重要的裁判作用，它专门负责给 LLM 生成的内容打分，告诉模型什么是好，什么是不好，可以保证大模型的「三观」正确。
如果一个视觉语言模型（VLM）只会“看”，那真的是已经不够看的了。
清华大学朱军教授团队与 NVIDIA Deep Imagination 研究组联合提出一种全新的视觉生成模型优化范式 —— 直接判别优化（DDO）。
国际机票预订决策复杂，涉及地点进出、时间浮动与购买时机等多变量博弈，远超普通消费者能力。AI可通过模拟专家决策流程（包括需求澄清、动态数据检索、透明推荐、智能购票时机建议）赋能用户，但需跨越策略进化与数据成本门槛。OTA因其C端入口、计算能力和数据成本优势最有望主导AI应用落地，重塑行业生态。
时序数据分析在工业监控、医疗诊断等领域至关重要。比如航空发动机监控这个复杂工业场景中，工程师需分析海量多通道传感器数据，以判断设备状态并制定维护决策。
Agentless+开源模型，也能高质量完成仓库级代码修复任务，效果媲美业界 SOTA 。
在近日举办的2025年新领军者年会上，中国生物制药首席执行长谢承润接受媒体采访，并发表了AI在药物研发中应用的相关看法。
这款 Agent 擅长多轮搜索和推理，平均每项任务执行 23 个推理步骤，访问超过 200 个网址。它是基于 Kimi k 系列模型的内部版本构建，并完全通过端到端智能体强化学习进行训练，也是国内少有的基于自研模型打造的 Agent。
“边看边画，边画边想”，让大模型掌握空间思考能力，结果直接实现空间推理任务新SOTA。
在信息爆炸的时代，推荐系统已成为我们获取资讯、商品和服务的核心入口。无论是电商平台的 “猜你喜欢”，还是内容应用的信息流，背后都离不开推荐算法的默默耕耘
