开源动态8

在线策略蒸馏：让LLM后训练效率飙升

AI寒武纪2025-10-27

AI 摘要

THINKING MACHINES开源「在线策略蒸馏」方法，结合在线与离线策略训练优点。实验显示，它能让LLM后训练效率提升50 - 100倍、成本降低9到30倍，可用于数学推理迁移和模型个性化恢复。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

最强AI Agent团队仅完成半数协作任务

单个AI Agent能力不断提升，但多智能体协作能力缺乏系统评测。本文介绍新推出的AgentWorld评测基准，结合长时程任务、角色不对称与黑盒交互，评测多智能体协作能力，给出主流大模型的协作表现数据。

OpenAI公开722篇由内部未发布前沿模型生成的数学成果，覆盖多数学方向，部分附带形式化证明，发布后引发数学界巨大冲击，消化验证需数年，不少青年学者研究项目遭毁灭性打击，本文梳理各方反应与争议。

外媒爆料谷歌下一代Gemini 4模型Carbon已进入内部测试，性能逼近Anthropic Opus 5.5，核心进展来自递归自我提升RSI技术，业内对谷歌拖沓的发布策略争议不断。

本文介绍Google Cloud推出的Gemini agent，面向企业工作流的智能体产品，支持跨多模型调度，AI可拥有独立企业身份，可接入多款企业常用工具，解决企业部署AI的权限、审计痛点。