Goldilocks RL：調整任務難度提升LLM推理
Apple 推出 Goldilocks RL，一種教師驅動的資料取樣策略，為學生模型預測問題難度，用於強化學習。它透過動態調整任務難度解決 LLM 推理中的稀疏獎勵問題，提升樣本效率，優於靜態課程學習。此方法有助模型以最小回饋探索廣大搜尋空間。
Search
直接匹配不多，已補上最新動態。
Tag: #curriculum-learning4 results
HEAL：突破教師上限的推理蒸餾
HEAL 是一種無 RL 框架，從大型推理模型蒸餾推理能力至小型模型，克服拒絕採樣限制與「教師上限」。它整合 GEAR 用於熵引導軌跡修復、PURE 篩選真實突破，以及 PACE 漸進課程學習。實驗顯示在多項基準優於 SFT 與基線。
Draft-Thinking 大幅降低長鏈思考成本
Draft-Thinking 訓練大型語言模型使用簡潔的草稿式推理，僅保留關鍵步驟，透過漸進式課程學習實現。於 MATH500 上將推理預算降低高達 82.6%，性能僅下降 2.6%。自適應提示可靈活調整推理深度。
Trace-Free+：改寫工具提升 LLM 代理
Trace-Free+ 是一種課程學習框架，用於在無執行追蹤的情況下優化 LLM 代理的工具描述。它透過從追蹤豐富環境轉移監督至無追蹤部署，利用從多樣工具建構的大規模資料集。StableToolBench 和 RestBench 實驗顯示，對未見工具有顯著提升、跨領域泛化，並可擴展至超過 100 個候選工具。
Codex 正縮小與 Claude Code 的差距
OpenAI 表示 Codex 活躍使用者已突破 2,000 萬，第三方追蹤數據則顯示其近期增速超越 Claude Code。Claude Code 目前規模仍較大且深受開發者採用，但隨著 Anthropic 接近早期市場飽和，其高速成長已經放緩。
🔬
腦機介面助患者重新站立與看見
中國多項臨床試驗正利用腦機介面，協助脊髓損傷患者站立與行走，並讓失明患者恢復有限的視覺感知。試驗結果差異很大，凸顯這項技術的潛力，以及目前在訊號採集、解碼與復健方面的限制。
Alibaba 重組 AI 與雲端業務
據報 Alibaba 正合併電商業務、整合雲端與晶片業務，並將 Qwen 拆分為獨立子公司。報導亦涵蓋 Unitree 計畫登陸科創板、Anthropic 據傳的年化營收，以及 Alibaba 持續投入 AI 對利潤與現金流造成的壓力。
Meta 因具成癮性的平臺設計面臨審判
California 與其他 28 個州指控 Meta 設計 Facebook 和 Instagram 使其具成癮性、違反兒童隱私法，並隱瞞相關做法。檢方將其涉嫌採取的策略概括為「吸引、留住、收集、隱瞞」。
Ox Alpha：神秘模型公開亮相
Ox Alpha 是一款透過 OpenRouter 與 OpenCode 提供的匿名模型，具備 100 萬 token 上下文、圖片與影片輸入、工具呼叫及免費使用等能力。早期測試顯示其推理與程式設計表現強勁，但開發者、參數量、訓練資料與正式基準排名仍未獲確認。
Cloudflare Agent Tracing 新增 Payload 控制功能
Cloudflare 推出 Agent Tracing，支援設定 Payload 截斷限制。不同支援的 Agent 框架在 Payload 預設記錄策略上有所差異，因此開發者在設定可觀測性時需要檢查各框架的個別設定。