邓明扬现为 MIT 博士生，师从何恺明，主要研究生成模型。本科期间，他在 MIT 学习数学与计算机科学，也曾在 DeepMind 和 Meta 实习。更早之前，他曾获得 IMO 金牌和 IOI 金牌。2026 年，他以第一作者发表了 Drifting Models，尝试探索一种不同于传统路径的生成建模思路。
当强化学习后训练的大规模 rollout 已经被证明能够提升图像生成模型的偏好对齐能力，推理负担就成了制约训练速度的核心瓶颈。来自 NVIDIA、港大和 MIT 的团队提出的 Sol-RL，通过「FP4 先探索、BF16 再训练」的后训练框架，将达到等效 reward 水平的收敛速度最高提升到 4.64x，在训练速度与对齐效果之间给出了一条更具工程可行性的解法。
近日，刚带着对标顶级闭源模型的强悍性能登场不久的 MiniMax M2.7 模型，悄悄变更了开源使用条款。尽管先前将权重公开在 Hugging Face，但当下已然收紧授权：商业用途需获得 MiniMax 书面授权。非商业用途依旧免费且不受限制，科研、个人项目、自用微调等场景均不受影响；但若是搭建托管服务或开发商业产品，则必须申请授权。
EigenLayer 创始人 Sreeram Kannan 在纽约 Digital Asset Summit 上扔出一个论点：智能体会变成公司。不是帮公司干活，不是给公司做助手——是直接变成公司本身。
Meta SOAR用「剧毒数据」当垫脚石，硬生生把模型从Fail@128的认知黑洞里拽出来，推理能力暴涨9.3%！2026年，这才是最硬核的反杀路线。
就在刚刚，MIT伯克利斯坦福的研究者给出数学铁证：ChatGPT正诱发「AI精神病」！哪怕你是理想的贝叶斯理性人，也难逃算法设下的「妄想螺旋」。
去年讨论Agent落地时，重点往往是Context Engineering。大家都在琢磨怎么放 Few-shot，怎么优化 RAG 检索的文本片段。但随着 Agent 任务复杂度的上升，控制数据流向、工具调度和异常处理的底层脚手架代码，往往比单纯拼接文本对系统性能的影响更大。
别人还在卷单点能力，Agnes已经把文本Agent、图像、视频和办公自动化打包进开发者工具箱：1美元「养龙虾」，外加图像、视频、PPT一条龙，给出的不是零散的能力点，而是一整套AI生产力。
你正在地铁上，突然想起有个API文档还没写完。以前你只能忍着到公司再弄，现在——你掏出手机，给AI发了一条指令，20分钟后代码自动跑完了。 这不是科幻，是Google员工已经用上的真东西。 它的名字叫
动点出海获悉，总部位于泰国的AI软件公司Amity宣布完成1亿美元D轮融资。Amity称，这也是迄今东南亚生成式AI领域规模最大的单笔融资之一。据了解，本轮融资由EDBI领投，Asia Partners、SMDV、CMLIM Capital等机构参投。完成本轮融资后，Amity累计融资金额达到1.6亿美元。此前，Amity曾于2024年完成6000万美元C轮融资。
