绝对零监督Absolute Zero：类AlphaZero自博弈赋能大模型推理，全新零数据训练范式问世

清华大学 LeapLab 团队等提出全新推理训练范式 Absolute Zero，使大模型实现「自我进化式学习」。基于此范式训练的模型 AZR，在代码生成与数学推理基准任务表现出色，缓解了大模型对人工数据依赖难题。

AGI失控率＞90%！MIT教授算出「康普顿常数」，AI地球「夺权率」已锁定？

MIT教授研究指出，即使采用理想监督机制，人类成功控制超级智能概率仅52%，全面失控风险超90%。研究通过量化分析提出嵌套可扩展监督等理念，并在四个真实监管场景验证，探讨如何优化现实监管系统。

2025年4月17日消息，OpenAI 连发o3和o4 mini，o3为强大推理模型，o4-mini专为高效推理优化。它们能调用ChatGPT工具，可基于图像思考。OpenAI还开源本地代码智能体Codex CLI，兼容所有模型。

强化学习大本营新作：如何破解「学新忘旧」困局

阿尔伯塔大学强化学习团队提出FAME框架，解决持续强化学习“学新忘旧”问题。团队先定义基础概念，将知识整合写成优化问题，再受人类学习机制启发设计FAME，实验优势明显。研究还探讨持续学习的产业价值。

大部分token根本不该重复计算，不止于KVCache

斯坦福研究显示，AI Agent每次调用62%内容重复，现有前缀缓存虽有优化但天花板低，阿里云数据表明多数缓存块利用率低。LMCache将缓存管理独立，解决性能问题，其CacheBlend技术复用缓存，适配多引擎和存储后端。

00后的他们，正在定义AI时代的新坐标丨红杉中国联合《麻省理工科技评论》中国发布“25岁以下AI创新青年先锋”

AI领域创新正由年轻一代推动。红杉中国与《麻省理工科技评论》中国发起“AI25”计划，揭晓2025年“25岁以下AI创新青年先锋”入选者名单，他们在各领域成果突出，未来还将打造AI原生社区。

AI 时代的新可观测性：不只看系统崩没崩，还要看模型有没有胡说

New Relic首席技术战略官Nic Benders与主持人探讨可观测性从传统到AI驱动的演进，提及LLM与统计方法协同处理海量数据，还讨论了监控AI系统的难题及可观测性核心是理解业务目标。

强化学习的进化：从PPO到MaxRL，LLM推理训练的算法演进史

本文概述2024 - 2026年推理LLM的强化学习进展，从REINFORCE和PPO讲起，介绍GRPO、RLOO等多种算法。指出critic模型非必需，标准差归一化有副作用，损失聚合很关键，信任域是优化切入点，还提出几个未解决的挑战。

Meta 删邮件事故背后，OpenClaw 为什么会“失忆”？代码库维护者拆解记忆架构

OpenClaw在使用中易“失忆”，如Meta对齐总监用它处理邮件时失去控制。文章从代码库维护者视角，拆解记忆架构，介绍记忆层次、失败模式，给出配置建议和故障排除方法，助用户了解并优化其记忆机制。

突破万次连续编辑极限！中科院提出首个理论保稳的知识保留方法

中科院信工所研究人员提出LyapLock，将连续编辑建模为受约束随机规划问题，整合排队论和李雅普诺夫优化。实验显示，它能突破万次连续编辑极限，编辑效果比主流方法提升11.89%，还可赋能现有模型。