搜索
近期，来自复旦大学与阿里巴巴通义万相的研究团队对此提出了新的思考。他们认为，多任务强化学习不应被视为一个统一优化问题，而应该解耦为两个彼此独立的过程：单任务的在线策略探索 & 多任务能力整合。
我去搜了下 MiniCPM5-1B 的数据，发现面壁智能刚刚把背后的核心数据集给开源了。一共是两份 L3 级数据集：Ultra-FineWeb-L3 ：600B tokens，中英文都有，是目前最大的中文开源合成预训练数据集。
一家名为脸谱心智（FaceMind）的初创公司就在顶级学术会议 EMNLP 主会上系统性地揭示了这个问题，并给出了解法。更有意思的是，就在「马嘉祺」事件前不到两周，全球最强 AI 公司之一 Anthropic 也在自家产品中悄悄落地了一次高度相关的改造 —— 方向与脸谱心智一年前的论文几乎完全一致。
所有人都在比谁的模型参数更大，但真正决定AI能不能落地的，其实是另一件没那么性感的事：一颗Token，能不能被稳定、便宜、规模化地生产出来。死磕这件事的，是一支从中国超级计算体系里走出来的年轻团队，是石科技。
Google DeepMind研究院姚顺宇最近接受媒体人采访时说：做一个好的产品经理，是一个我现在想不明白该怎么训练AI去做的事。言外之意，AI时代产品经理很难被替代。招聘市场已经给出了答案。根据脉脉2026年1—4月的数据，热招岗位里大模型算法排第一，产品经理排第二，AI产品经理也排到了前五的位置。
王慧文画的框像是一个聚宝盆，汇集了各方资本的关注。而太平洋另一边的旧金山，上演了类似的财富故事。这些数字给人震撼，但更有意思的问题是，模型可以云端训练，团队可以全球分布，远程办公早已成熟，但AI时代，反倒是更小的框里涌入了更巨量的财富
不用JAX，SpaceX正在用C语言编写的全新堆栈训练新模型。而且马斯克本人亲口承认，Grok 5已经用的就是这个新堆栈。按马斯克的说法，这种新堆栈能让大模型训练速度提升一个数量级。
近日，千寻智能高阳团队的研究成果 《Learning Native Continuation for Action Chunking Flow Policies》 被机器人顶会 RSS 2026 接收！这项工作从训练机制出发，让机器人动作天然具有连续性，实现了 "连音" 般的流畅执行，在五个真实世界操作任务上超越了现有方法，为具身智能领域的动作生成研究提供了新的思路。
真实世界需要 200 多个小时的模型评测任务，可以在仿真中不到 0.5 小时内完成。
光正在进入AI算力系统，但这次不只是拿来传数据，而是直接参与计算。