多模态大模型通常是在大型预训练语言模型（LLM）的基础上扩展而来。尽管原始的 LLM 并不具备视觉理解能力，但经过多模态训练后，这些模型却能在各类视觉相关任务中展现出强大的表现。
反思技术因其简单性和有效性受到了广泛的研究和应用，具体表现为在大语言模型遇到障碍或困难时，提示其“再想一下”，可以显著提升性能 [1]。然而，2024 年谷歌 DeepMind 的研究人员在一项研究中指出，大模型其实分不清对与错，如果不是仅仅提示模型反思那些它回答错误的问题，这样的提示策略反而可能让模型更倾向于把回答正确的答案改错 [2]。
如今，强化学习（Reinforcement Learning，RL）在多个领域已取得显著成果。
Vevo Therapeutics（现为Tahoe）与Arc研究所，两家分别在生物技术商业转化和非营利性基础研究领域领先的机构，于2025年2月联合发布了一项里程碑式的成果：全球最大的单细胞药物扰动数据集Tahoe-100M。
Kimi K2 发布了 2 天，我也测了足足 2 天。如果仔细观察 Kimi 这次的官方发布稿，不难发现 K2 强调的重点：Agent 与 Coding 能力。
首个能跨领域精准预测人类认知的基础模型诞生！
一年前，你想让AI画出“一只穿着复古皮衣、站在东京街头、日落光线打在墨镜上的猫”，得试个五六次，画出来要么穿错衣服，要么猫的动作奇特，要么背景得靠开盲盒抽卡。今天，在一众主流图像模型上，这句提示词几乎能一次命中。
AI也能选择性失忆？Meta联合NYU发布新作，轻松操控缩放Transformer注意头，让大模型「忘掉狗会叫」。记忆可删、偏见可调、安全可破，掀开大模型「可编辑时代」，安全边界何去何从。
2025年，某头部AI情感陪伴应用的增长预算，砍了近90%。
现在人工智能领域面临的最大挑战是广义的具身智能，即使你并不特别关心大脑本身……
