人形机器人的运动控制，正成为强化学习（RL）算法应用的下一个热点研究领域。当前，主流方案大多遵循 “仿真到现实”（Sim-to-Real）的范式。研究者们通过域随机化（Domain Randomization）技术，在成千上万个具有不同物理参数的仿真环境中训练通用控制模型，期望它能凭借强大的泛化能力，直接适应动力学特性未知的真实世界。
在大语言模型的竞争中，数学与代码推理能力已经成为最硬核的“分水岭”。从 OpenAI 最早将 RLHF 引入大模型训练，到 DeepSeek 提出 GRPO 算法，我们见证了强化学习在推理模型领域的巨大潜力。
AI领域的“抢人”早就是个显性命题了，不过现在有愈演愈烈的架势。与海外相同，这场争夺是由大厂发起的，其中字节尤甚。单从最新发布的校招信息来看，字节今年的研发岗需求量增加了23%，其中算法、前端和客户端增幅最明显。在非研发招聘领域与产品相关的，像是产品经理、数据分析等方向，offer量翻了一倍。
作为新一轮科技革命和产业变革的重要驱动力量，人工智能正从技术探索迈向规模化应用，成为中国经济社会高质量发展的新引擎。为推动智能算法从理论创新迈向实际落地，启元实验室于 2025 年 5 月 20 日正式启动「启智杯」算法创新应用挑战赛。经过两个多月的激烈角逐，大赛于 7 月 25 日圆满落幕。
近年来，扩散模型在图像与视频合成领域展现出前所未有的生成能力，为人脸生成与编辑技术按下了加速键。特别是一张静态人脸驱动任意表情、姿态乃至光照的梦想，正在走向大众工具箱，并在三大场景展现巨大潜力
每次打开导航的，导航软件在一秒内给出一个最速路线的时候，你有没有好奇过它是怎么找到这条路的？ 假如不考虑堵车、红绿灯等交通影响因素，仅找到一条最短最快的路线，那不论如何也逃不掉 Dijkstra 算法。
在可验证强化学习（RLVR）的推动下，大语言模型在单轮推理任务中已展现出不俗表现。然而在真实推理场景中，LLM 往往需要结合外部工具进行多轮交互，现有 RL 算法在平衡模型的长程推理与多轮工具交互能力方面仍存在不足。
本科经典算法Dijkstra，被清华团队超越了！ 这个被用来解决最短路径问题的经典算法，去年才被图灵奖得主Tarjan团队证明具有普遍最优性。
强化学习（RL）范式虽然显著提升了大语言模型（LLM）在复杂任务中的表现，但其在实际应用中仍面临传统RL框架下固有的探索难题。
国内著名AI青年科学家，清华大学电子工程系副教授代季峰，近日加盟陈天桥旗下盛大网络，正筹备一家新的AI创业公司。《科创板日报》独家获悉，盛大创始人陈天桥对代季峰领衔的这家新AI创业公司寄予厚望，并明确公司的三大研发重点：AI商业决策智能化、突破算法茧房的内容分发，以及面向老龄化和青年发展的AI服务。
