DPO与GRPO谁更胜一筹？港中文、北大等联合发布首个系统性对比研究

港中文、北大等团队首次全面对比DPO和GRPO算法在自回归图像生成中的应用，评估其在域内、域外性能，探究奖励模型及扩展策略的影响，为开发高效RL算法提供新思路。

大模型智能体如何突破规模化应用瓶颈，核心在于Agentic ROI

上海交通大学联合中科大研究指出，大模型智能体规模化应用有瓶颈，核心在于Agentic ROI 未达实用门槛。研究提出其发展呈「之字形」，先规模提升信息质量，再轻量化降成本。

睡觉也在卷！伯克利Letta新作「睡眠时计算」让推理效率飙升

Letta和UC伯克利研究者提出「睡眠时计算」技术，能让LLM在空闲时间提前思考以提升推理效率，降低推理成本，在多数据集实验中展现优势，在软件工程任务中也有应用。

微软CEO和奥特曼失了和，OpenAI被“断粮”

《华尔街日报》爆料，OpenAI的奥特曼与微软纳德拉分歧加大，关系变微妙。在计算需求、通往AGI时间、内部竞争等方面有矛盾，微软暂停部分AI数据中心项目，双方合作关系面临挑战 。

新站上线，如何在谷歌上获得高曝光和点击？哥飞和良辰美的网站案例分析，揭示了排名、上线时间对流量获取的影响，以及如何通过社群活动激励站长们参与竞争。

ICML26 | 浙江理工大学马啸讲师和南京大学李武军教授课题组联合提出EMCES：为强化学习合成更有价值的样本

强化学习获取高质量样本成本高、风险大，现有基于扩散模型的样本增强方法有局限。浙江理工大学马啸讲师和南京大学李武军教授课题组提出 EMCES，将情景记忆机制引入可控扩散模型，提升下游强化学习算法表现，论文已被 ICML2026 录用。

5月5日5点55分，GPT-5.5自己选客人开派对！Codex反超Claude Code

5月5日下午5:55，GPT - 5.5将举办派对，时间自定，客人由Codex挑选。过去两月，AI编程工具圈开发者从Claude Code转向Codex。虽Claude模型强，但工具体感上Codex占优。

Grab 工程实践：将 LRU 升级为 TLRU，Android 图片缓存节省 50MB+

为改进 Android 应用图片缓存管理，Grab 工程师将 LRU 升级为 TLRU。通过引入基于时间的过期机制，fork Glide 项目扩展 DiskLruCache 实现。此方案让 95% 用户缓存省 50MB，可回收数 TB 存储空间。

微软 & UT Dallas 联手揭秘：从 SFT 到 RL 的进阶之路

微软与 UT Dallas 合作论文揭秘大模型做漏洞检测从 SFT 到 RL 的后训练流程，构建 C/C++ 漏洞数据集跑通全流程，总结六大‘避坑’指南，还开源整套框架、数据集和模型。

ICLR 2026｜在「想象」中进化的机器人：港科大×字节跳动Seed提出WMPO，在世界模型中进行VLA强化学习

香港科技大学 PEI - Lab 与字节跳动 Seed 团队提出 WMPO 新范式，可让具身智能在‘想象中训练’，解决传统 VLA 训练瓶颈，目前论文、代码与模型均已开源。