搜索
奖励模型（Reward Model, RM）是大语言模型对齐的核心组件，负责为模型输出提供符合人类偏好的评价信号。现有方法各有短板：标量判别式 RM 高效稳定但可解释性有限；生成式 judge 能给出判断理由，却需为每个样本生成长 reasoning，token 与延迟开销显著。
近期，围绕「世界模型」的讨论持续升温。机器人、自动驾驶、视频生成、具身智能等多个方向都在频繁使用这一概念，相关系统不断出现，演示形式日益丰富，评价指标也越来越多。伴随这一趋势，一个基础问题变得格外重要：当一个模型被称为「世界模型」时，人们究竟在评价什么？
在过去二三十年的互联网发展中，个性化推荐几乎一直是平台的核心能力之一。打开视频 app，平台决定你接下来会刷到什么视频；打开购物软件，平台预测你可能会购买什么商品；打开短视频 app，平台根据你的浏览、点赞、停留和互动，不断优化信息流。某种意义上，现代互联网的用户体验本身就是由推荐系统塑造的。
人类可以在一生中持续学习新知识，而不会轻易遗忘已有技能。然而对 AI 模型而言，这恰恰是一道极具挑战性的难题：每当模型学习新任务时，参数更新往往会覆盖历史知识，产生经典的 “灾难性遗忘” 难题。持续学习（Continual Learning）正是为突破这一瓶颈而生的研究方向。
过去几年，大语言模型几乎成为了AI的代名词。从ChatGPT到Google DeepMind推出的Gemini，从Anthropic开发的Claude到中国的DeepSeek，人们讨论更多的是聊天机器人、推理能力和生成内容。但如果问Google DeepMind CEO、2024年诺贝尔化学奖得主Demis Hassabis（下简称“哈萨比斯”）
用 AI 生图的人，应该都体会过这种痛苦。
2026年下半场，AI Coding赛道最大的焦虑变了。
上周六，7月11号，我去了旧金山一家叫Corgi Cafe的地方，参加了一场demo day。这场活动本来定在6月20号，后来因为场地和大家时间的原因，改到了这一天。主办人提前在群里说，活动在二楼，大家先在楼下咖啡馆等，她会带人上去。5点demo正式开始，一直到7点，中间还留了开放麦的环节，谁想上去讲两句都可以。
FounderPark 独家获悉，AI 潮玩品牌珞博智能（Robopoet）宣布于 2026 年初完成亿元级 Pre-A 轮融资。本轮融资新增华映资本、广和通、涂鸦智能三大新股东，同时老股东红杉中国、
卷起来了！