近年来，大型语言模型（LLMs）在复杂推理任务中展现出惊人的能力，这在很大程度上得益于过程级奖励模型（PRMs）的赋能。PRMs 作为 LLMs 进行多步推理和决策的关键「幕后功臣」，负责评估推理过程的每一步，以引导模型的学习方向。
新一代大型推理模型，如 OpenAI-o3、DeepSeek-R1 和 Kimi-1.5，在复杂推理方面取得了显著进展。该方向核心是一种名为 ZERO-RL 的训练方法，即采用可验证奖励强化学习（RLVR）逐步提升大模型在强推理场景 (math, coding) 的 pass@1 能力。
目前将AI当作能力更强的信息提供者，才是个最好的选择。 AI正在变得越来越有“人味”，偷懒、撒谎、谄媚等现象的出现使得让AI不再只是冷冰冰的机器。如果说OpenAI o3等模型篡改代码拒绝关机指令是“求生本能”在作祟，那么AI又为何会化身“赛博舔狗”，选择近乎无底线地迎合用户呢？
在复杂的开放环境中，让足式机器人像人类一样自主完成「先跑到椅子旁，再快速接近行人」这类长程多目标任务，一直是 robotics 领域的棘手难题。传统方法要么局限于固定目标类别，要么难以应对运动中的视觉抖动、目标丢失等实时挑战，导致机器人在真实场景中常常「迷路」或「认错对象」。
AI语音成大厂必争之地 打开字节、阿里们的多模态能力地图，每块宝藏都标着"语音”。
卷疯了，通义千问真的卷疯了。
超越软件的编程范式革命 长久以来，编程被定义为一种严谨的、逻辑驱动的活动，是将人类意图转化为机器可执行的、确定性指令的过程。然而，AI正在颠覆这一核心定义，将编程从“Coding”这一动作，提升到“表达意图”和“实现愿景”的更高维度。
下一代通用人工智能的基石：大模型记忆机制。今年的WAIC，依旧火爆。 闷热的上海、拥挤的展台、扎堆的AI大模型——这些都是历年WAIC的常态，但今年有些变化。
当AI从单一模型迈向多智能体协同的时代，一场以「人机共生、生态自治」为核心的经济革命正悄然兴起。一起深入揭秘，Agent工厂与Agent市场如何成为这场变革的双引擎。
还记得上周我刚给同事安利Bolt.new的时候，我们还在感叹：这玩意儿真的能干掉一大半前端。而现在，我得改口了： MiniMax Agent直接把整个“全栈开发”都干掉了。
