搜索
来自博世中央研究院与清华大学的研究人员提出 FunctionEvolve 框架，在两大基准测试上大幅刷新了这项任务的结果。在 LLM-SRBench 的 129 个合成科学方程任务上，FunctionEvolve 最终给出的公式在 55.8% 的任务上与真实公式等价（SA@1 = 72/129），是此前最好结果的 3.6 倍；
本研究由快手科技语言大模型团队完成，核心作者吕民轩、梅铁桦、杜坦隆等。快手科技与中国科学院大学联合提出 GoLongRL，一套完全开源的长上下文强化学习后训练方案，包含 23K 样本 RLVR 数据集
近日，来自英国南安普顿大学（University of Southampton）和广州大学的研究者团队提出 SlaClip，一种用于差分隐私随机梯度下降（DP-SGD）[1] 的自适应梯度剪裁方法。
自动化研究，这一次真正走出代码沙盒，进入了真实的物理世界。
AutoResearch这个词关注AI的同学应该不陌生，大神Andrej Karpathy提出的Agent 自主科研项目，现在已经是GitHub的明星项目了，应用不计其数。
AI 圈又迎来一次标志性的人才流动。就在刚刚，Transformer 论文作者之一，知名 AI 研究员 Noam Shazeer 在 社交媒体发文宣布，他将正式加入 OpenAI。
刚刚过去的2026智源大会上，由智源研究院孵化的星源智发布了全球首个具身交互世界模型ω-EVA，就这一前沿命题给出了全新的差异化解法。传统世界模型的困境是"只预测，不参与"。它们训练时学习未来状态，推理时却与动作生成分割——视频生成得再精美，机器人该撞墙还是撞墙。
当前，在狂热的 AI 浪潮下，大众对于头部 AI 大厂或明星初创公司往往有着一种带有光环的「刻板印象」：一定是由顶尖高校博士、各大优秀前沿研究论文的作者、算法天才等组成的团队。
咱们 AI 领域，研究者既是一个身份，也是一种幻觉。
多模态大模型越来越会读图中文字，但最新研究显示，「读得出来」并不等于「防得住」。西湖大学 AGI Lab 的研究团队发现，当有害文本被渲染成低清、模糊或带噪图片后，模型在一个特定清晰度区间内反而更容易被越狱。