近日，浙江大学副教授胡星和团队开发出一款名为 CatCoder 的 AI 框架，它能够读懂一个完整的软件项目，生成准确、可用的代码。在 Java 任务上，它在代码编译通过率和测试通过率上，比业内表现突出的代表之一 RepoCoder 最高提升了 14.44% 和 17.35%。
宾夕法尼亚大学沃顿商学院（The Wharton School）今年发布了一系列名为《Prompting Science Reports》的重磅研究报告。他们选取了2024-2025最常用的模型（如GPT-4o, Claude 3.5 Sonnet, Gemini Pro/Flash等），在极高难度的博士级基准测试（GPQA Diamond）上进行了数万次的严谨测试。
CB Insights 发布的《2025 Future Tech Hotshots：Scouting Reports》报告，结合生成式 AI 分析与专有 Mosaic 评分体系，从全球海量初创企业中遴选出 45 家最具潜力的科技公司。
两人小团队，仅用两周就复刻了之前被硅谷夸疯的DeepSeek-OCR？？ 复刻版名叫DeepOCR，还原了原版低token高压缩的核心优势，还在关键任务上追上了原版的表现。完全开源，而且无需依赖大规模的算力集群，在两张H200上就能完成训练。
AEPO 系统性揭示了「高熵 Rollout 采样坍缩」和「高熵梯度裁剪」问题，并设计了「动态熵平衡 Rollout 采样」与「熵平衡策略优化」两项核心机制。前者通过熵预监控与连续分支惩罚实现全局与局部探索预算的自适应分配，后者在策略更新阶段引入梯度停止与熵感知优势估计以保留高熵 token 的探索梯度。
在训练多轮 LLM Agent 时（如需要 30 + 步交互才能完成单个任务的场景），研究者遇到了一个严重的训练不稳定问题：标准的强化学习方法（PPO/GRPO）在稀疏奖励环境下表现出剧烈的熵值震荡，导致训练曲线几乎不收敛。
来扒一扒OpenAI算力支出的天价账单——据Epoch AI统计的数据显示，去年OpenAI在计算资源上支出了70亿美元。由于公司当时还没有大量的算力，所以这笔天价账单基本都是以向微软租用云算力的形式支付出去的，并不包括对数据中心的前期投入。
昨天，State of AI Report 2025 正式发布了。背后主笔是硅谷投资人 Nathan Benaich 和他创办的 Air Street Capital，从 2018 年开始，这份报告就被称为“AI 行业的年度百科”。
2030年的人工智能将会是什么样子？受谷歌DeepMind委托，Epoch发布新报告，从算力、数据、收入等方面进行了详细剖析。
AGI时代或将带来前所未有的繁荣：算力推动经济狂飙，但人类工资却被钉死在「算力成本」上，与增长彻底脱钩。耶鲁学者Restrepo的研究指出，劳动份额将归零，财富全面流向算力资本。人类或许仍被需要，却只停留在护理、陪伴等附属岗位。在这样的未来，工作还有意义吗？
