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。
苹果已悄然成立代号「AKI」（Answers, Knowledge & Information）新团队，致力打造类ChatGPT的「答案引擎」，可整合网页信息直接生成回答，计划嵌入Siri、Safari、Spotlight等系统核心功能。这是苹果重塑AI搜索主控权的重大举措。
Meta超级智能实验室一拆四以后，首席AI官Alexandr Wang全员信曝光。这位28岁华人获扎克伯格力挺，出任超级智能实验室负责人。内部信强调「超级智能即将到来」，并宣布实验室拆分为四大部门。同时，AGI Foundations团队被解散，成员分流。Yann LeCun地位明显降级，权力重心全面向Wang集中。
提示词才是AI隐藏的王牌！马里兰MIT等顶尖机构研究证明，一半提示词，是让AI性能飙升49%的关键。
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。
当前训练强大的大语言模型（LLM），就像是培养一个顶尖运动员，需要大量的、由专家（人类标注员）精心设计的训练计划和教材（高质量的标注数据）。
在今年三月份，清华 AIR 和字节联合 SIA Lab 发布了 DAPO，即 Decoupled Clip and Dynamic sAmpling Policy Optimization（解耦剪辑和动态采样策略优化）。
近期，Match Group 披露了 2025 年 Q2 财报，收入 8.46 亿美元，同比持平，但付费人数仅 1.41 亿（下滑 5%），相比巅峰期（2022 Q3）少了 2455 万。Dating App 作为最吸金的非游品类，头部公司财务数据近两年一路向下，且到目前为止看不到扭转的迹象。
在最近的技术报告中，苹果公司提供了更多关于 iOS 26 新的苹果人工智能基础模型（Apple Intelligence Foundation Models）的性能和特性的详细信息，该模型是在最近的 2025 年全球开发者大会（WWDC）上宣布的。
最近往返中美频繁发声的黄仁勋，是把英伟达打造成 4 万亿帝国的「AI教父」，今天 The Information 曝光了一个老黄布局多年的秘密。
