搜索
来自MIT Improbable AI Lab的研究者们最近发表了一篇题为《RL's Razor: Why Online Reinforcement Learning Forgets Less》的论文，系统性地回答了这个问题，他们不仅通过大量实验证实了这一现象，更进一步提出了一个简洁而深刻的解释，并将其命名为 “RL's Razor”（RL的剃刀）。
CEO私人助理的活儿，也被Agent盯上了。 每天能独立更新出全公司的日报版“今日头条”，还是完全本地部署、开箱即用的那种：没错，整个机箱就A4大小，跟iPhone 15 Pro Max对比起来是这样的：不卖关子，这么个新鲜角色，名叫智跃Agent一体机。很有意思的一点是，这是市面上首个专门面向CEO打造的软硬一体私有化Agent，目标用户非常明确。
真正决定AI上限的，已从「模型规模」转为「数据质量」。从Meta押注数据平台到xAI裁员转招「专业AI导师」，全球「数据大战」全面进入下半场。中国玩家里，澳鹏数据独占一档，仅2025年上半年营收达3.06亿元。高质量、可追溯、可工程化的数据生产，正成为AI产业的新壁垒。
你有没有想过，为什么即使今天的 AI 已经能写代码、分析数据、回答复杂问题，但当你和它们对话时，总感觉缺了点什么？那种微妙的不舒适感，就像看着一个技术完美但缺乏灵魂的机器人在表演人类。这不是像素质量的问题，也不是语言能力的缺陷，而是一个更根本的缺失：情感智能。
近年来，以人形机器人、自动驾驶为代表的具身人工智能（Embodied Artificial Intelligence, EAI）正以前所未有的速度发展，从数字世界大步迈向物理现实。然而，当一次错误的风险不再是屏幕上的一行乱码，而是可能导致真实世界中的物理伤害时，一个紧迫的问题摆在了我们面前： 如何确保这些日益强大的具身智能体是安全且值得信赖的？
缘起 我们为什么要做视频绘本呢？它源于一位父亲小小的愿望。 ListenHub 的 CTO Kris 是一名新手爸爸，他每天在家听到孩子说的最多的三个字就是：讲故事。 孩子永远有数不清的故事想听，同一
谷歌DeepMind研究团队一年前的研究成果直到昨晚才姗姗揭秘，提出了一种叫做GDR的新方法，颠覆了传统训练中设法剔除脏数据的思路，将饱含恶意内容的数据「变废为宝」，处理后的数据集用于训练，甚至比直接剔除脏数据训练出的模型效果还好，「出淤泥而不染」，「择善而从」。
上周，福布斯、Wired等争相报道「全球最快开源推理模型」K2-Think，，甚至图灵奖得主Yann LeCun转发推文。但仅三天后，ETH五位研究员的博客如晴天霹雳：87数学评估题竟藏在训练集中！这不仅仅是技术突破，更是行业诚信的警钟。
什么情况，帮马斯克训练大模型的人说失业就失业了？上周四晚，xAI内部上演了一场突袭测试，还要求员工必须在第二天早上之前完成并提交。这可不是一次简单的随堂测试——截至目前，本次xAI内部测试的淘汰率高达33%，已有超过500名员工被通知卷铺盖走人。
人类的大脑，会在梦里筛选记忆。如今，AI也开始学会在「睡眠」中整理、保存，甚至遗忘。Bilt部署数百万智能体，让科幻小说里的设问——「仿生人会梦见电子羊吗？」——逐步成真。那么，当AI也能选择忘记时，它会变得更像人，还是更陌生？