搜索
在推理后训练里，多数方法仍依赖奖励模型、验证器或额外教师信号。如果不依赖这些外部信号，只使用模型自身生成的答案进行自训练，是否仍然能够提升推理能力？是的！SePT（Self-evolving Post-Training）给出肯定答案，简洁的自训练方法，可在数学推理任务准确率直升10个点！
当 AI 智能体不再只是「一次性工具」，而是能够持续学习、自我进化的「数字伙伴『数字同事』，会发生什么？自进化智能体应该采取怎样的设计原则？
小米大模型时隔一月能力飙涨，比Kimi K2.6省42% Token。
NeoSigma 团队今天开源了一个叫 auto-harness 的系统，核心做的事只有一件：让智能体自己发现自己的 bug，自己修，自己验证。
“Claude 和许多模型在不需要太多诱导的情况下，就会陷入‘有某种东西是我，我感觉非常有意识’的这种状态。”
很少有人能意识到印奇只比杨植麟大4岁。两人都是从AI1.0时代开始创业，那时作为“AI四小龙”代表人物的印奇，名气远比杨植麟大。但到了以大模型为核心的AI2.0时代，印奇反而要追赶比他年轻的杨植麟。
千里科技的AI商业闭环，今天正式加速了
阿里前几天开源的Qwen3.6-35B-A3B，让这次讨论不再只是一次普通的新旧模型对比。它一边要面对谷歌Gemma4-26B-A4B的外部竞争，一边又必须回答一个更麻烦的问题：相较于 Qwen3.5-35B-A3B，它到底是升级，还是修补？更现实的是，很多人现在真正跑着的，其实是Qwen3.5-27B，那么这条新的35B-A3B路线，到底值不值得迁过去。
做 RAG 的团队，基本都会在多轮对话上吃过亏。
大多数世界模型工作默认：只要学到一个好的 latent dynamics，问题就解决了。 但这个假设本身是可疑的——什么样的信息，才足以支撑一个可预测、可传播的动力学？ 本文从信息论出发，重新审视这一前提。