不用强化学习也能推理，哈佛新采样算法竟能让基础模型比肩GRPO后训练版本
不用强化学习也能推理，哈佛新采样算法竟能让基础模型比肩GRPO后训练版本强化学习能力强大，几乎已经成为推理模型训练流程中的标配，也有不少研究者在探索强化学习可以为大模型带来哪些涌现行为。
来自主题: AI技术研报
5356 点击 2025-10-24 10:33
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
强化学习能力强大，几乎已经成为推理模型训练流程中的标配，也有不少研究者在探索强化学习可以为大模型带来哪些涌现行为。
该团队 2025 年的研究《Reasoning by superposition: A theoretical perspective on chain of continuous thought》已从理论上指出，连续思维链的一个关键优势在于它能使模型在叠加（superposition）状态下进行推理：当模型面对多个可能的推理路径而无法确定哪一个是正确时，它可以在连续空间中并行地保留所有可能的路
DeepMind公开了有关Veo 3视频模型最新论文！论文提出了「帧链」（Chain-of-Frames，CoF），认为视频模型也可能像通用大模型一样具备推理能力。零样本能力的涌现，表明视频模型的「GPT-3时刻」来了。
不怕故障的机器人大脑来了这个大脑，就是估值已达45亿美元（截至今年6月）的Skild AI新推出的Skild Brain，它在一个包含十万种机器人姿态的虚拟环境中，训练了相当于一千年的时间才得以成型。更值得一提的是，此模型从未在这些机器人上进行过训练，它对它们的控制能力完全是涌现出来的。
这一瓶颈如今被打破。小米正式开源首个原生端到端语音模型——Xiaomi-MiMo-Audio，它基于创新预训练架构和上亿小时训练数据，首次在语音领域实现基于 ICL 的少样本泛化，并在预训练观察到明显的“涌现”行为。
人工智能代理正构建独立虚拟经济体，在毫秒级高频交易中可能将人类排除在外，造成系统性风险和贫富差距扩大。自发涌现的高度可渗透经济是默认趋势，但通过公平资源分配如数字货币拍卖和基础设施设计，人类可引导AI服务于福祉，避免奴役图景。
9 月 10 日，2025 Inclusion・外滩大会科技智能创新赛（简称 “外滩大会 AI 科创赛”）在上海圆满落幕。在上海市科学技术委员会指导下，大赛三大核心赛事 ——“人工智能硬件科创赛”、“AFAC 金融智能创新大赛” 和 “2025 全球 AI 攻防挑战赛” 的冠亚季军全部诞生。大赛设立多项创新奖项，共计 80 个项目获奖，涌现出一批兼具技术前瞻性与市场潜力的创新成果。
近几年 AI 工具快速融入研发流程。各类产品不断涌现，百家争鸣，而开发者的工作方式也在悄然发生变化。效率的提升已经成为共识，但与此同时，质量与可信性也被推到前台：在提速的同时，研发该如何守住质量底线？
“机器人运动会结束以来，公司的400咨询电话一直没有停过，比赛后第二周就有十几家酒店客户来公司参观。”优理奇（Unix AI）的创始人、CEO杨丰瑜告诉《智能涌现》。
过去一两年，AI和短剧都是风口。那么AI+短剧？ 网文、传统短剧中会出现的抓马情节，由AI生成的猫猫狗狗再演绎一遍，播放量、转发量可以轻松过万。一些介于传统短剧和动漫之间的AI漫剧，已经涌现出了爆款。