近日，腾讯 PCG 社交线的研究团队针对这一问题，采用强化学习（RL）训练方法，通过分组相对策略优化（Group Relative Policy Optimization, GRPO）算法，结合基于奖励的课程采样策略（Reward-based Curriculum Sampling, RCS），将其创新性地应用在意图识别任务上，
多模态大模型（Multimodal Large Language Models, MLLM）正迅速崛起，从只能理解单一模态，到如今可以同时理解和生成图像、文本、音频甚至视频等多种模态。正因如此，在AI竞赛进入“下半场”之际（由最近的OpenAI研究员姚顺雨所引发的共识观点），设计科学的评估机制俨然成为决定胜负的核心关键。
当训练成本飙升、数据枯竭，如何继续激发大模型潜能？
据EETimes报道，美国AI芯片独角兽SambaNova Systems近期宣布将裁员77人，约占其500名员工的15%。此次裁员正值该公司偏离最初目标，放弃做AI训练，转向完全专注于AI推理。
从吸尘器到Optimus：机器人60年间的惊人变化。
2025年4月17日，圣马特奥，加利福尼亚 —— 数据编排和存储平台领导者Hammerspace宣布完成1亿美元B轮融资，由Altimeter Capital领投，ARK Invest等新老投资者共同参与，公司估值超过5亿美元。这笔融资将加速Hammerspace在全球市场的扩张，巩固其在人工智能（AI）驱动的数据基础设施领域的领先地位，助力企业应对由AI引发的“大数据重心转移”趋势。
大模型聚合平台OpenRouter新推出的Optimus Alpha，已经处理了772亿Token，平均每天超过200亿。并且这个数字还在上升，日Token处理已超过340亿，排名第二，并在Trending榜单上位列第一。
芯片设计是现代科技的核心，逻辑优化（Logic Optimization, LO）作为芯片设计流程中的关键环节，其效率直接影响着芯片设计的整体性能。
推理性能提升的同时，还大大减少Token消耗！
近年来，大语言模型（LLM）的性能提升逐渐从训练时规模扩展转向推理阶段的优化，这一趋势催生了「测试时扩展（test-time scaling）」的研究热潮。
