强化学习（RL）是锻造当今顶尖大模型（如 OpenAI o 系列、DeepSeek-R1、Gemini 2.5、Grok 4、GPT-5）推理能力与对齐的核心 “武器”，但它也像一把双刃剑，常常导致模型行为脆弱、风格突变，甚至出现 “欺骗性对齐”、“失控” 等危险倾向。
战火升级！马斯克还在X上和奥特曼口水战，奥特曼反手就密谋支持一家脑机接口公司，与马斯克的Neuralink正面对决。这场关乎人类未来的科技战争，已经从AI蔓延到了你的大脑！
GUI 智能体正以前所未有的速度崛起，有望彻底改变人机交互的方式。然而，这一领域的进展正面临瓶颈：现有数据集大多聚焦于 10 步以内的短程交互，且仅验证最终结果，无法有效评估和训练智能体在真实世界中的长时程规划与执行能力。
首次实现“训练-推理不对称”，字节团队提出全新的语言模型训练方法：Post-Completion Learning (PCL)。 在训练时让模型对自己的输出结果进行反思和评估，推理时却仅输出答案，将反思能力完全内化。
近年来，强化学习（RL）在大型语言模型（LLM）的微调过程中，尤其是在推理能力提升方面，取得了显著的成效。传统的强化学习方法，如近端策略优化（Proximal Policy Optimization，PPO）及其变种，包括组相对策略优化（Group Relative Policy Optimization，GRPO），在处理复杂推理任务时表现出了强大的潜力。
Artificial Analysis 最近发布了《State of AI: China Q2 2025 Highlights Report》（2025年Q2 中国人工智能现状分析报告），聚焦中国 AI 发展现状。
危险！ChatGPT存在“零点击攻击”安全问题。 用户无需点击，攻击者也能从ChatGPT连接的第三方应用窃取敏感数据，甚至窃取API密钥。
一场创业公司对大厂产品的反向收购，罕见地发生在了AI搜索战场。 2025年8月12日，据“华尔街日报”消息，美国AI搜索领域的“顶流”初创公司Perplexity，正在计划全现金收购谷歌的Chrome浏览器，报价高达345亿美元。
时间是最好的试金石，AI领域尤其如此。当行业热议大模型走向时，商汤早已锚定「多模态通用智能」——这是商汤以深厚研究积累和实践反复验证的可行路径。今天，商汤科技联合创始人、执行董事、首席科学家林达华特别撰写的万字深度长文正式发布。文章剖析了商汤为何将「多模态通用智能」视为技术战略的核心引擎，也探索性阐释了在组织及战略层面的诸多思考。通往AGI的拼图中，多模态是缺一不可的基石。
具身智能，成了这个夏天最炙手可热的创业赛道。 量子位独家获悉，华为诺亚方舟实验室首席研究员，刚刚创办了一家具身智能公司。
