结合RLHF+RLVR，8B小模型就能超越GPT-4o、媲美Claude-3.7-Sonnet。陈丹琦新作来了。他们提出了一个结合RLHF和RLVR优点的方法，RLMT（Reinforcement Learning with Model-rewarded Thinking，基于模型奖励思维的强化学习）。
9 月 26 日，Flowith 再次迎来了大更新，这一次，它的核心所指，正是「上下文腐烂」以及更加「自由的创作」。接下来，我们分享全面实测体验。从我的实际体验来看，这次的 Flowith 更新，终于让上下文「活」起来了。
最近 flowith 推出了全新画布，交互形态全新升级，现在 AI 生成的任意内容，都可以被很方便的右键点击节点，存入任意知识库，后续工作都可以调用。说实话，flowith 是一款上手门槛比较高的产品，它不像一般对话式的 ChatBot 那样简单，
WithFeeling.ai 创始人肖敏此前是微信 AI 的产品负责人。2022 年中，她选择创业，在 2023 年初推出主打「真诚、真实」的 AI 陪伴产品 Paradot，上线至今已经积累了 1000 多万用户，且实现了盈利，成为品类的佼佼者。
就在刚刚，也许是目前最强的开源蛋白质结合剂AI设计工具，登上Nature。瑞士洛桑联邦理工学院、美国麻省理工学院等研究人员在Nature上发表了题为One-shot design of functional protein binders with BindCraft的论文。
在Openai 发布o3后，think with image功能得到了业界和学术界的广泛关注。
您可能已经在产品里放进了问答、总结、甚至自动报表模块，但表格一上来，体验就变味了，这不奇怪。表格是二维、带结构、还经常跨表跨文，和纯文本完全不一样；项目作者在《Tabular Data Understanding with LLMs》里把这件事掰开揉碎，从输入表示到任务版图，再到评测与未来方向都梳理清楚了。
近年来, 大语言模型 (LLM) 在数学、编程等 "有标准答案" 的任务上取得了突破性进展, 这背后离不开 "可验证奖励" (Reinforcement Learning with Verifiable Rewards, RLVR) 技术的加持。RLVR 依赖于参考信号, 即通过客观标准答案来验证模型响应的可靠性。
2025年7月21日，斯坦福大学学习加速器（Stanford Accelerator for Learning）发布名为《AI+学习差异：设计无边界的未来》（AI+ Learning Differences: Designing a Future with No Boundaries）白皮书，强调AI可以成为支持有学习差异的学生的有力工具，但前提是其开发要以他们的需求和意见为核心。
7 月 10 日，微软研究院 AI for Science 团队在《Science》杂志发表了题为「Scalable emulation of protein equilibrium ensembles with generative deep learning」的研究成果。
