RLSD：以更少運算建置自訂推理代理
JD.com 研究人員推出 RLSD，將強化學習與自蒸餾結合，用於高效推理模型訓練。它解決 RLVR 的稀疏回饋與 OPD/OPSD 的高運算成本。實驗顯示 RLSD 優於傳統方法，降低企業自訂模型開發門檻。
Search
直接匹配不多，已補上最新動態。
Tag: #efficient-training3 results
RSM：20倍速遞歸推理模型
遞歸莖模型（RSM）透過訓練時分離隱藏狀態歷史、使用暖啟步驟，並僅在最終迭代施加損失，改進 TRM，實現 20 倍速訓練與 5 倍錯誤率降低。它支援無需重新訓練的測試時數千步擴展，在 Sudoku-Extreme 達 97.5% 準確率、在 Maze-Hard 達 80%。收斂行為提供內建可靠性訊號，防範幻覺。
PolyU 與 OPPO 提出純視覺超解析框架 VOSR
PolyU 與 OPPO 提出 VOSR，這是一個純視覺超解析框架。它將訓練成本降至 T2I 模型的約 10%，同時提供競爭力的影像品質。此創新純粹依賴視覺輸入，無需文字條件。
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。
好萊塢創作者在失業潮中訓練 AI
編劇、導演與製片人正接下臨時工作，教導 AI 系統編劇與製作規劃等技能。時薪介於 12 至 200 美元之間，但部分工作者認為這等同於協助自動化自己的職業。