搜索
大模型时代的「炼金术师」们，或许都曾面临一个共同的困扰：当我们试图将 DeepSeek-R1、OpenAI-o1 那种惊艳的推理能力迁移到小规模语言模型（SLMs）时，效果却总是差强人意。现有的强化学习方法如 GRPO 在 7B+ 的大模型上效果显著，但一旦应用到 1.7B 甚至更小参数的模型上，性能提升就微乎其微。
用强化学习（RL）优化文生图模型的 prompt following 能力，是一条被广泛验证的路径 —— 让模型根据 prompt 用不同随机种子生成多张图片，通过 reward model 计算 reward，再利用相关 RL 算法优化模型。
近日，字节跳动旗下AI制药子公司Anew Therapeutics在AAI 2026上进行了口头报告，披露旗下位于临床前阶段的IL-17小分子抑制剂。该药物是全球首个小分子全谱（AA/AF/FF）IL-17抑制剂，利用AI驱动的虚拟筛选技术，结合分子生成算法成功识别而来，有望转化为银屑病和其他自身免疫性疾病的最佳治疗方法。
以自然启发式 AI 算法闻名的 Sakana AI 宣布，其全新商用 AI 产品——多智能体编排系统「Sakana Fugu」正式开启 Beta 测试。
业内少有的算法、架构、工程落地全栈型技术专家。
近日，在由 OpenAI 主导设立的权威基准测试 MLE-Bench 上，企业级算法自主优化智能体百度伐谋（Famou）击败了各路玩家登顶，并刷新了 SOTA 成绩。
对本地部署玩家，尤其是Mac用户来说，长上下文推理最大的痛点往往不是“模型不够聪明”，而是稍微多用点上下文，统一内存就被撑爆了”，这一点在最近的Gemma-4 31B的部署中尤为明显，在同等上下文的情况，显存占用比Qwen3.5-27B高约一倍不止，直接劝退了不少人。但好消息是，谷歌近期提出的TurboQuant KV缓存量化算法，正是为了解决这个痛点而生。
第一篇论文（白皮书）由 Google Quantum AI 发表。他们针对逻辑层面的 Shor 算法进行了优化，专门用于破解比特币和以太坊的签名。该算法在针对 256 位椭圆曲线 secp256k1 时，仅需约 1000 个逻辑量子比特即可运行。由于电路深度较低，一台快速的超导量子计算机可以在几分钟内恢复私钥。
SLAM 在自动驾驶、机器人、AR/VR 乃至具身智能系统中都是至关重要的环节，它决定了算法能否在一个陌生环境中一边“看懂世界”，一边“知道自己在哪”。
就在刚刚，MIT伯克利斯坦福的研究者给出数学铁证：ChatGPT正诱发「AI精神病」！哪怕你是理想的贝叶斯理性人，也难逃算法设下的「妄想螺旋」。