搜索
随着 o1/R1 等推理模型的发展 [1][2]，「让模型多想一会儿」几乎成了提升复杂推理能力的标准方案。更长的 Chain-of-Thought、更大的测试时计算、更深的内部推理，都在用更多计算换取更可靠的答案。
如果把现在最热门的几条 3D 生成技术线放在一起看，你会发现它们正在遇到一个很像的问题。
OpenAI宣布AI首次自主攻克顶级数学开放问题，连证明思路都让数学家意想不到！这个问题叫做平面单位距离问题，由匈牙利数学家保罗·Erdős在1946年首次提出。看视频（视频有亮点，曾经的清华本科特将获得者陈立杰是这个突破的的研究人员）
攻克AI落地难题，清华团队推出RWAI框架与真实场景竞技场，通过标准化人机交互、任务集机制与人类反馈体系，显著提升产业应用效率。平台已实现落地周期缩短70%以上，并为AI开发者和企业提供了可复制的最佳实践。
序列建模是大语言模型、计算机视觉等领域的基础共性问题。当前通用的 Transformer 模型计算复杂度随序列长度平方增长，在长序列任务中面临显著的计算挑战。因此，研究者们一直在探索具有线性计算复杂度的高效序列建模方法。
在联邦学习中，如何同时兼顾模型性能、数据隐私和通信开销，是一个亟需解决的挑战。
LiberAI已于近期连续完成种子轮、天使轮及天使+轮融资，累计金额数亿元人民币，投资方包括真格基金、红杉中国、美团龙珠、顺为资本等一线机构。公司成立于2025年12月，CEO刘松铭是清华特等奖学金获得者，师从清华大学朱军教授，在ICML、NeurIPS等顶会发表多篇一作论文。
Z Potentials独家获悉，清华系具身智能公司灵御智能宣布完成天使+轮近亿元人民币融资。本轮融资距离上次融资仅有两个月，由福田资本领投，力合创投、金沙江联合资本、复利多、楹辉创投、华仓资本跟投，老股东英诺基金、天鹰资本持续加注。Maple Pledge枫承资本长期出任公司私募股权融资顾问。
当下的大模型后训练（Post-training）pipeline 中，On-Policy Distillation（OPD）已经成为了明星技术。从 Qwen3、MiMo 到 GLM-5，业界纷纷采用 OPD 并报告了巨大的性能提升。相比于强化学习（RL）稀疏的结果奖励，OPD 提供了密集的 Token 级别监督信号，看起来就像是一顿「免费的午餐」。
端侧多模态，卷出新天花板。仅1.3B，性能反超，效率翻倍，一张4090就能「爆改」。刚刚，清华系团队面壁智能开源了新一代「小钢炮」MiniCPM-V 4.6，再次证明了在端侧AI领域，中国团队已然站在世界前沿。