仅需一万块钱！清华团队靠强化学习让 7B模型数学打败GPT-4o
清华大学等团队提出PRIME方法，仅用8张A100，在不到10天时间训练出一个数学能力超过GPT-4o的7B模型Eurus-2-7B-PRIME，准确率提高显著。该方法采用隐式过程奖励解决大模型强化学习中的奖励稀疏问题，有望推动复杂推理能力提升。
强化学习
具身智能工业场景需求明确，扩大应用场景和处理复杂数据仍是发展重点｜云深处李超@MEET2025
云深处科技联合创始人李超在MEET 2025智能未来大会上表示，具身智能提高了传统机器人的泛化能力。目前行业处于L2级，主要应用于工业场景。云深处已推出多款面向电力、消防、救援等行业的机器人产品，并展示了其在实际应用中的优势和挑战。
具身智能读书会启动：走向现实世界的下一代AI系统
集智俱乐部联合上海交通大学等组织发起「具身智能」读书会，采用自下而上的层级结构探讨机器人与具身智能技术前沿。读书会涵盖硬件系统设计、数据及仿真环境应用、机器人学习方法以及具体应用场景分析等内容，旨在促进跨学科合作，解决复杂性挑战、学习泛化等问题。
国产机器狗成精了！野外跑酷强到可怕，驮成年小伙遛弯儿，售价109万
宇树机器狗Unitree B2-W最新视频展示了其多项技能，包括爬山、涉水、跑酷等，并能够载人。波士顿动力Atlas也更新了视频展示后空翻技能，科技公司致力于提升机器人机动性和功能性。
o3曝智商高达157，比肩爱因斯坦碾压99%人类！陶哲轩水平AI或出现
OpenAI的o3模型智商高达157，远超人类平均水平。仅用一年时间实现质变，甚至被认为接近陶哲轩的225-230智商水平。不过有争议指出其可能通过特定数据集进行微调。未来或许还有更强大的Orion模型出现。
LeCun八年前神预言，大模型路线再颠覆？OpenAI宣告：强化学习取得稳定性突破
OpenAI发布强化微调(RFT)API，只需几十个高质量样本即可定制专家模型。相比标准指令调优，RFT通过成千上万epochs让模型学习新行为，稳定性提升。技术实现尚不明确，但已显示出在基础语言模型上的潜力。