强化学习改变了大语言模型的后训练范式，可以说，已成为AI迈向AGI进程中的关键技术节点。然而，其中奖励模型的设计与训练，始终是制约后训练效果、模型能力进一步提升的瓶颈所在。
最近，一款全新的奖励模型「POLAR」横空出世。它开创性地采用了对比学习范式，通过衡量模型回复与参考答案的「距离」来给出精细分数。不仅摆脱了对海量人工标注的依赖，更展现出强大的Scaling潜力，让小模型也能超越规模大数十倍的对手。
香港大学NLP团队联合字节跳动Seed、复旦大学发布名为Polaris的强化学习训练配方：通过Scaling RL，Polaris让4B模型的数学推理能力（AIME25上取得79.4，AIME24上取得81.2）超越了一众商业大模型，如Seed-1.5-thinking、Claude-4-Opus和o3-mini-high(25/01/31)。
2025年5月，美国数字健康企业 Akido Labs 宣布完成6000万美元B轮融资，由 McKesson Ventures 和 Polaris Partners 联合领投，老股东 Andreessen Horowitz（a16z）与 SVB Capital 跟投。融资所得将主要用于扩大其核心平台 ScopeAI 的部署，尤其是在医疗资源匮乏的社区加速落地。
在今年1月《Journal of Supercomputing》上开源的「开源类脑芯片」二代（Polaris 23）完整版本源代码，基于RISC-V架构，支持脉冲神经网络（SNN）和反向传播STDP。该芯片通过并行架构显著提升神经元和突触处理能力，带宽和能效大幅提升，MNIST数据集准确率达91%。
近日， AI医学影像企业深智透医完成 B+ 轮近千万美元融资，投资方包括新进美元基金嘉加资本；深智透医联合创始人宫恩浩也是一位连续创业者，此前曾联合创办专业修图软件 Polarr 。
