尽管 LLM 的能力与日俱增，但其在复杂任务上的表现仍受限于静态的内部知识。为从根本上解决这一限制，突破 AI 能力界限，业界研究者们提出了 Agentic Deep Research 系统，在该系统中基于 LLM 的 Agent 通过自主推理、调用搜索引擎和迭代地整合信息来给出全面、有深度且正确性有保障的解决方案。
小扎钞能力失效，一夜痛失三位核心研究员！其中，两位前OpenAI大牛仅入职一月，火速回流OpenAI。团队频繁重组，内部矛盾「埋雷」，小扎「超级智能梦」能否交出一份满意的答卷？
Transformer 架构对计算和内存的巨大需求使得大模型效率的提升成为一大难题。为应对这一挑战，研究者们投入了大量精力来设计更高效的 LM 架构。
最近来自微软的研究者们带来了一个全新的思路，他们开源发布了POML（Prompt Orchestration Markup Language），它的的解决方案它的核心思想非常直接：为什么我们不能像开发网页一样，用工程化的思维来构建和管理我们的Prompt呢？这个编排语言很类似IBM的PDL
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。
这份来自麻省理工的2025年商业AI现状的研究报告最近在网上炸锅了，该报告称 95% 的人工智能试点都失败了，这吓坏了美国股市的投资者。报告提到大多数公司都陷入了困境，因为 95% 的 GenAI 试点项目都没有产生任何投资回报率，而只有 5% 的公司通过使用可学习、可融入实际工作流程并随着使用而改进的系统获得了成功。
技术对就业影响的研究是一门显学。
据申妈朋友圈报道，字节Seed大模型视觉基础研究团队负责人冯佳时已正式离职。根据其在字节的职级体系判断，他的级别应在4-1或4-2之间，属于公司最为稀缺的核心研究序列。冯佳时后续去向或是AI创业。
蚂蚁技术研究院联合浙江大学开源全新强化学习范式 Rubicon，通过构建业界最大规模的 10,000+ 条「评分标尺」，成功将强化学习的应用范围拓展至更广阔的主观任务领域。用 5000 样本即超越 671B 模型，让 AI 告别「机械味」。
OpenAI与Retro Biosciences合作，借助定制模型GPT-4b micro成功设计出优化版「山中因子」，大幅提升了成体细胞逆转为多能干细胞的效率。这一成果不仅改进了细胞工程，更展示了AI赋能生命科学研究的全新范式，加速科研进入全新时代。
