搜索
在大模型后训练中，数据不再只是 “越多越好”，而是要像人类学习一样，动态选择最合适难度的样本。华为提出的 EDCO 方法，将样本难度估计与动态课程编排引入领域大模型微调；数月后，由 Rutgers、Amazon、Google 等作者参与的 DARE 论文即引用 EDCO，并将其作为难度感知强化学习训练的重要对比基线。
近日，垂直于招投标领域的 AI 科技领军企业“深入云境”正式宣布：旗下核心产品 “云境标书AI” 成功入选 NVIDIA 初创加速计划（NVIDIA Inception）。这一里程碑式的进展，标志着云境标书AI在技术创新性、行业应用前景及商业潜力方面获得了全球顶级算力与AI生态巨头的权威认可。
生成模型的偏好对齐，可能正在进入一个新的阶段。
太有意思了，刚看到河南郑州西亚斯学院的消息。有几位 00 后创业者回母校干了件事，给学校捐了 20 亿 Token，希望带动学弟学妹做一人公司创业。郑州西亚斯学院是泡泡玛特老板王宁的母校，看来这学校真挺能出人才的。
近期，专为Diffusion模型设计的插件框架——Diffusion Templates正式开源发布。这个框架能大幅降低可控生成技术的训练和使用难度，让开发者能够通过丰富的Templates来精准控制模型的生成结果。
阿里巴巴 Z-Image 团队联合香港科技大学、加州大学圣地亚哥分校、香港中文大学等机构提出 D-OPSD（On-Policy Self-Distillation），首个针对少步扩散模型的在线策略自蒸馏框架。D-OPSD 无需奖励模型、无需成对偏好数据，
在过去很长的一段时间里，英伟达都被迫只能站在中间，一边是美国出口管制，一边是中国市场需求，老黄当然想找到一个突破口。也就是在同一天晚上，Anthropic发了一篇很不寻常的文章。文章标题叫《2028:Two scenarios for global AI leadership》，讲的是2028年全球AI领导权的两种可能。
大家等这个等太久了。 本周五，OpenAI 宣布 Codex 手机版在 ChatGPT App 中上线，安卓和 iOS 版都已开启 preview，面向包括免费版的所有用户。
刚刚，OpenAI 把 Codex 塞进了手机了，将Codex 集成进 ChatGPT 移动端 APP，目前正以 preview 形式在 iOS 和 Android 上滚动上线，并且面向所有 ChatGPT plans，包括 Free 和 Go开放。
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」。