搜索
用强化学习（RL）优化文生图模型的 prompt following 能力，是一条被广泛验证的路径 —— 让模型根据 prompt 用不同随机种子生成多张图片，通过 reward model 计算 reward，再利用相关 RL 算法优化模型。
2026 年，「数据」正成为具身智能竞赛的新焦点，京东、百度等科技巨头纷纷入局。然而，喧嚣之中，一个根本问题悬而未决：什么样的数据，才是具身智能真正需要的？
先说说什么是小孩 AI？说实话，我之前还真没怎么关注过。大致指的是：五年级搞智能驾驶，11 岁复刻 Minecraft，15 岁做 AI 创业公司雇了一个 38 岁员工，小学生 AI 编程速成营，AI 启蒙、AI 启智、AI 启辰，「不学编程的小孩会被 AI 时代淘汰」。
AI 闹狩猎夜进入第二站——上海，活动逐渐呈现出我们期待的样子：具体的，奇怪的，有趣的、以及——该死的可爱。
我发现囤Agent的Skills有瘾， 今天刚装了一大堆同类Skill，还没用熟就想提前知道这类里最好的到底是哪一个。转头又发现某个佬推荐了自留的20个Skills，回回路过我都忍不住点进去看。
Anthropic联合创始人Jack Clark读完数百份公开数据，得出一个让他自己也坐不住的结论：2028年底前，AI自己造AI的概率是60%。支撑他这一判断的，是编程、科研复现、模型训练优化等多条能力曲线：每一条都在向右上方飞，没有减速迹象。
如果您经常用Claude Code、OpenCode、OpenClaw这类Agent框架，大概率会遇到一种不稳定现象：同一个Skills，用Claude能跑，换成Qwen就不行了；在Claude Code里稳定的流程，换到OpenClaw可能输出格式崩掉；在作者环境里正常的脚本，到了自己机器上可能因为缺依赖进入反复报错。
谷歌养不活、软银养不活、现代砸22亿美元还是养不活。波士顿动力IPO前夜，高管已集体出走。
AI 产品出海，很多团队最先关注的是获客和增长，但真正开始变现时才会发现：支付，不是简单接一个 SDK 就能搞定的事情，甚至会关乎到之后产品收入是否能高效、稳定增长。
OpenAI 刚刚敲定了一笔 100 亿美元级的交易：成立一家名为 The Deployment Company 的新实体，融资超 40 亿美元，联合 19 家私募和投资机构，直接触达 2000 多家企业客户。这一步的信号极其明确——