在可验证强化学习（RLVR）的推动下，大语言模型在单轮推理任务中已展现出不俗表现。然而在真实推理场景中，LLM 往往需要结合外部工具进行多轮交互，现有 RL 算法在平衡模型的长程推理与多轮工具交互能力方面仍存在不足。
本科经典算法Dijkstra，被清华团队超越了！ 这个被用来解决最短路径问题的经典算法，去年才被图灵奖得主Tarjan团队证明具有普遍最优性。
强化学习（RL）范式虽然显著提升了大语言模型（LLM）在复杂任务中的表现，但其在实际应用中仍面临传统RL框架下固有的探索难题。
国内著名AI青年科学家，清华大学电子工程系副教授代季峰，近日加盟陈天桥旗下盛大网络，正筹备一家新的AI创业公司。《科创板日报》独家获悉，盛大创始人陈天桥对代季峰领衔的这家新AI创业公司寄予厚望，并明确公司的三大研发重点：AI商业决策智能化、突破算法茧房的内容分发，以及面向老龄化和青年发展的AI服务。
世界是动态变化的。为了理解这个动态变化的世界并在其中运行，AI 模型必须具备在线学习能力。为此，该领域提出了一种新的性能指标 —— 适应性遗憾值（adaptive regret），其定义为任意区间内的最大静态遗憾值。
OpenAI前研究员、Meta「AI梦之队员」毕书超在哥大指出：AGI就在眼前，突破需高质数据、好奇驱动探索与高效算法；Scaling Law依旧有效，规模决定智能，终身学习才是重点。
在AI飞速发展、智能硬件遍地开花的2025年，对普通用户来说，真正的门槛其实只有两个：我能不能即开即用？我能不能放心交互？ 这一点，在2025世界人工智能大会（WAIC）7万平方米的展厅里格外清晰——人们对技术本身的好奇正在消退，新的侧重点是寻找值得托付的系统：用得起、连得通、不泄露隐私，也不被算法摆布。
近年来，扩散模型（Diffusion Models）凭借出色的生成质量，迅速成为图像、视频、语音、3D 内容等生成任务中的主流技术。从文本生成图像（如 Stable Diffusion），到高质量人脸合成、音频生成，再到三维形状建模，扩散模型正在广泛应用于游戏、虚拟现实、数字内容创作、广告设计、医学影像以及新兴的 AI 原生生产工具中。
你刷的每一条短视频，背后都隐藏着推荐算法的迭代与革新。 作为最新成果，字节跳动的算法团队提出的全新推荐排序模型架构RankMixer，在兼顾算力利用率的同时，实现了模型效果的可扩展性。
仅靠提示词优化就能超越 DeepSeek 开发的 GRPO 强化学习算法？ 是的，你没有看错。近日上线 arXiv 的一篇论文正是凭此吸引了无数眼球。
