在 AI 技术飞速发展的今天，如何高效地将多个专业模型的能力融合到一个通用模型中，是当前大模型应用面临的关键挑战。全量微调领域已经有许多开创性的工作，但是在高效微调领域，尚未有对模型合并范式清晰的指引。
AI 产业的两大核心趋势正并行发展：基础大模型的能力持续突破，而 AI Agent 的产业化落地也在全面提速。Capgemini 于 2025 年 4 月发布的一项覆盖 14 国 1500 名企业高管的调研显示[1]，已有 37% 的受访组织启动或实施 AI Agent 项目，另有高达 61 %的组织将在一年内跟进部署或进行探索，印证了该趋势的全球共识。
半夜 3 点，你跟 AI 苦战许久，横跳在 ChatGPT、Claude、Gemini 等各个平台，辗转反侧。
近日，美国南加州大学教授约书亚·杨（Joshua Yang）团队和合作者成功造出一个功能齐全的人工神经元 1M1T1R，这是一种能像真实脑细胞一样工作的人工神经元，有望催生出类似人脑的基于硬件的学习系统，并有望将 AI 转变为更加接近自然智能的形态。
在旧金山北滩的一栋不起眼的建筑里，有一家公司正在悄然改变软件开发的规则。Cursor，过去一年最有名的一家 AI 独角兽，从零起步，在不到两年时间里达到了 1 亿美元 ARR，员工人数从二十几人扩张到接近 250 人，它的产品被全球顶尖开发者使用，甚至在重新定义「开发工具」的标准。
太快了！一天之内Grok连迎两大更新——Grok 4 Fast与Grok Imagine都进行了大升级。Grok 4 Fast把上下文窗口提高到2M，并把完成率拉到94.1%（推理）与97.9%（非推理）。这意味着，你不必再把一本书或一整个代码库切碎喂给模型，它可以一次吞下，然后稳定地给出结果。
2024年，加州大学圣地亚哥分校「Hao AI Lab」提出了DistServe的解耦推理理念，短短一年多时间，迅速从实验室概念成长为行业标准，被NVIDIA、vLLM等主流大模型推理框架采用，预示着AI正迈向「模块化智能」的新时代。
近日，诺贝尔奖得主、美国华盛顿大学教授大卫·贝克（David Baker）和团队再次将 AI 成果送上 Nature，他们开发出一种基于 AI 的蛋白质结构生成模型 RFdiffusion，能在指定病毒表面特定表位的情况下，辅助人类从头设计出能够与之结合的抗体结构。
Cal AI联合创始人Zach Yadegari自7岁起学习编程，16岁卖出自己首个应用赚得近10万美元，并与另外一名高中生联合创办了一家年营收达3000万美元的AI应用公司。在被常春藤盟校拒绝后，Yadegari选择进入迈阿密大学。Yadegari认为AI时代会出现更多年轻的创业者，他给出的最重要的一条创业建议就是：立刻行动。
几个月后，这家非营利研究机构及其新拆分的商业实体 Edison Scientific 又发布了一套更强大的 AI 科学家系统 Kosmos。这个系统在单次运行中可以持续工作 12 至 48 小时，完成相当于人类科研团队数月才能完成的工作量，且其产出的发现中有近 80％ 经独立专家验证为准确。
