在机器人技术领域，实时性至关重要——输入与输出之间的延迟会直接影响机器人的性能表现。尽管视觉-语言-动作（VLA）模型在开放世界泛化方面取得了令人瞩目的成果，但其运行速度往往较慢。近日，一项名为“实时分块”的...

斯坦福大学研究团队提出突破性框架SEAL（Self-Adapting LLMs），首次实现大型语言模型的自主适应性进化。传统LLM虽功能强大但参数固化，SEAL通过生成自我微调数据和更新指令，使模型能根据新任务、知识或案例动态调...

强化学习预训练（Reinforcement Pre-Training, RPT）作为大语言模型（LLM）与强化学习（RL）协同进化的前沿技术，提出了一种革命性的规模化训练范式。该技术通过创新性地利用海量文本数据进行通用强化学习预训练，在...

在人工智能领域，一场颠覆传统软件开发范式的变革正在悄然发生。与SaaS时代'客户需求导向'的产品开发模式截然不同，新一代AI创始人正采用全新的方法论——他们不再被动询问客户需求，而是主动探索如何将AI能力和模型深...

一项突破性研究通过对比模型在随机数据（无法泛化）和真实文本上的训练表现，开发出区分记忆与泛化的新方法。研究发现，模型会先记忆训练数据直至容量饱和，随后转向学习通用模式。以GPT类Transformer为例，每个参数...

近期大型推理模型的显著成果常被归功于思维链（CoT）技术，尤其是通过从基础大语言模型（LLM）中采样CoT进行训练以发现新推理模式的过程。然而，一项最新研究对这种解释提出了质疑。该研究通过系统性地调查中间标记...

KumoRFM是一种预训练的关系型基础模型，其设计初衷是能够在任何数据库和预测任务上工作，而无需进行特定任务的训练。这一技术的突破性在于其通用性和适应性，能够显著降低企业在不同数据场景下部署AI模型的复杂性和...

Pig.dev团队近日开源了Muscle-Mem项目，这是一个专为AI智能体设计的行为缓存SDK。该技术能够记录智能体在解决任务时的工具调用模式，并在再次遇到相同任务时确定性地重放这些学习到的行为轨迹。如果检测到边缘情况，...