搜索
来自清华大学与腾讯的研究者提出了 Generalizable Predictive Prompt Selection（GPS）。GPS 的做法很直接：先训练一个小型、可泛化的 Prompt Predictive Model（PPM），让它预测不同 prompt 在当前模型下的难度；再根据难度和 batch 多样性选择训练样本，从而减少无效 rollout。
来自清华、上交、北邮的学者们提出了一个面向个性化幻灯片生成和多轮局部修改的记忆驱动Slides Agent框架——MemSlides。它专门针对AI PPT痛点而生，不仅能够为你量身定制私人专属的PPT生成风格，还能够贴心地记住你在制作过程中随口提出的新要求
研究团队提出了符号嵌入量子算法（Sign Embedding Quantum Algorithms），形成了一篇84页的量子算法论文。可以说，相比此前主要解决研究者给定的开放数学问题，这一次，AIM开始参与研究问题的提出与方向探索。
有没有一种更为合适的 OPSD 范式？近期，清华大学和马普所等机构的研究者们联合推出的 d-OPSD，给这一问题提供了完美的答案。这是第一个针对扩散大语言模型的 OPSD 范式，无需参考解，无需额外的教师模型，只需要 RL 十分之一的训练步数，便可以达到或超出 RL 的后训练效果。
来自浙江大学 APRIL 实验室、快手主站技术部和清华大学的研究团队提出了 MobileForge，试图把手机 GUI Agent 的适配过程变成一个 “无标注、自探索、自反馈、自优化” 的闭环系统。
7月9日，投中网获悉，物理AI公司深度智控（DeepCtrls）（以下简称“深度智控”）已完成战略轮与B轮融资，合计融资金额数亿元，本轮资金将用于核心产品研发、商业化拓展及国际化布局。深度智控成立于2018年，定位为物理AI能源基础设施服务商。
2026年4月，一位在美国AI圈极具影响力的研究者，专程来到中国，走进北京、杭州和上海的AI实验室。他密集拜访了阿里巴巴、月之暗面、智谱、清华、美团、小米、蚂蚁和零一万物等团队。回到美国后，他写了一篇名为《Notes from inside China's AI labs》（中国AI实验室内部观察随笔）的文章，在美国科技圈引发了不小讨论。
大语言模型在代码生成上的能力不断增强，但在复杂算法题，尤其是竞赛编程场景中，仍然容易因为算法选择错误、边界条件遗漏、复杂度判断失误或隐藏测试覆盖不足而失败。Solvita是一款面向竞赛编程的智能体框架，通过四个角色（Planner、Solver、Oracle、Hacker）形成闭环系统，并利用可训练的图结构知识网络积累经验。
陈勇超在 x 平台宣布，正式创立 Apex Intelligence（中文名：超衍智能），主攻自主进化基础模型（Self-Improving Model），公司 Slogan 是"Unlock Undiscovered Discovery"（解锁尙被发现的发现），目标是让大模型从复刻人类已有知识，转向自主发现未知规律。
就我们所知，顾煜贤已经正式加入了 DeepSeek。顾煜贤还曾获得 2025 年度苹果博士奖学金以及蚂蚁 In-Tech 奖学金。个人主页显示，顾煜贤在清华大学交互式人工智能课题组（Conversational AI, CoAI）学习，师从黄民烈教授。