打破代码大模型训练瓶颈：微软&剑桥&普林推出MicroCoder，算法、数据、框架、训练经验全面升级
打破代码大模型训练瓶颈：微软&剑桥&普林推出MicroCoder，算法、数据、框架、训练经验全面升级新一代代码模型的训练动态已与旧模型截然不同，主流强化学习方法和数据集在其上几乎“失效”。
来自主题: AI技术研报
9727 点击 2026-03-30 09:29
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
新一代代码模型的训练动态已与旧模型截然不同，主流强化学习方法和数据集在其上几乎“失效”。
在大模型后训练阶段，监督微调（SFT）和强化学习（RL）是两根不可或缺的支柱。SFT 利用高质量的离线（Off-policy）数据快速注入知识，但受限于静态数据分布，泛化能力往往容易触及天花板并带来灾难性遗忘；RL 则允许模型在探索中不断自我迭代，产生与当前策略同分布（On-policy）的数据，上限极高，但往往伴随着训练极度不稳定、计算资源消耗巨大的痛点。
Anthropic的野心曝光了！有人分析称：他们在悄然打造一个AI操作系统，意图统治全球数字生态，做一个统治一切生态的龙虾大脑！这背后，剑指的就是苹果微软的6.4万亿帝国，而OpenAI甚至还排不上号。
砸了724亿美金「学费」后，微软用一场大重组承认 Copilot「走弯路」了。
吉林大学&微软亚洲研究院等团队提出MindPower框架，让机器人像人一样理解他人想法并主动帮忙，构建了首个以机器人为中心的心智推理评测体系，通过六层推理链条，让AI不仅看懂场景，更能推断意图、做出决策、执行动作，显著提升助人能力。
跨文件记忆革命：单一对话同时操控多个Excel工作簿+PowerPoint幻灯片，数据从表格直飞演示文稿，无缝迁移零解释，Anthropic把AI Agent玩明白了。
随着大语言模型 Agent 开始在对话、问答与复杂交互环境中长期运行，“记忆该如何设计” 正在成为一个绕不开的核心问题。
巨硬，马斯克旗下一个连名字都在嘲讽微软的项目，如今已乱成一锅粥了。 事情要从去年 8 月说起。 彼时马斯克高调宣布了一个新项目 Macrohard（巨硬），从名字上不难看出，这个项目本身是对「Microsoft」的调侃式致敬，针对得也相当工整。
深夜，谷歌官宣重磅更新！Gemini全面接管Docs、Sheets、Slides，AI原生办公时代来了，全球30亿谷歌用户的办公方式，或正在被彻底颠覆。
微软选择了 Anthropic，而不是 OpenAI。