机器狗能当羽毛球搭子了！仅靠强化学习从0自学，还涌现出类人回位行为 Science子刊
机器狗通过强化学习学会了打羽毛球，最高挥拍速度达12米/秒，在与人类选手的协作比赛中展示了精准和类人行为。研究结果发表在Science Robotics上。
量子位
AI仅凭“自信”学会推理，浙大校友复刻DeepSeek长思维链涌现，强化学习无需外部奖励信号
UC Berkeley团队提出的新方法Intuitor通过优化模型自身的置信程度来提升大模型的复杂推理能力，无需外部奖励信号或标准答案。与传统强化学习相比，Intuitor能有效减少无效响应并提高模型在数学和代码生成任务中的表现。
视频推理界的“福尔摩斯测试”：所有大模型，统统不及格 论文代码开源
腾讯ARC Lab和香港城市大学推出的新Benchmark Video-Holmes，通过复杂视频推理任务测试大模型能力。结果显示所有主流大模型在SR、IMC等指标上均不及格。Video-Holmes规避了现有基准的简单问题限制，强调多线索信息的整合与分析能力。
港科大Apple新研究：Tokens使用量减少，模型推理还更强了
Laser团队提出的新方法提升了大模型的推理效率与准确性，通过统一视角看待不同奖励设计、基于目标长度和阶跃函数的奖励机制以及动态且带有难度感知的目标调整，实现了在减少Tokens使用量的同时保持或提升准确率。
阿里通义发布并行计算新策略：1.6B等效4.4B，内存消耗骤降95%
阿里通义团队提出的新范式PARSCALE通过扩展CFG的双路径到P条并行路径，显著提升了1.6B模型的性能，仅占用后者的1/22内存，并将延迟增加量减少至1/6。该方法无需从头训练现有模型（如Qwen-2.5），并在GSM8K数学推理任务中实现了34%的性能提升。