无需奖励函数！我们意外构建了自我进化的AI系统

牛津大学发现LLM可通过“部署 - 验证 - 再训练”循环自我进化，绕开人工奖励函数设计瓶颈。在三个经典规划领域实验效果惊人，还在理论上证明其与强化学习的数学等价关系，有优势也有隐患。

首个多轮LLM Router问世, Router-R1可让大模型学会「思考–路由–聚合」

在大语言模型种类爆炸的时代，如何智能分配任务成新挑战。伊利诺伊大学香槟分校团队发布 Router - R1，让 LLM 学会‘思考–路由–聚合’，用强化学习平衡性能与成本，在七大基准测试表现出色。

OpenAI两位首席最新采访信息量好大！终极目标是“自动化研究员”，招人并非寻找“最出圈”的人

OpenAI首席科学家Jakub Pachocki和首席研究官Mark Chen在采访中爆料，谈到GPT - 5将推理引入主流、实现自动化研究员目标、强化学习未到瓶颈等，还阐述用人标准、算力分配等问题。

4月30日凌晨，Meta举行首届AI开发者大会LlamaCon，推出Meta AI聊天机器人应用程序与ChatGPT竞争，发布Llama API。Meta试图强化开源模型生态系统以限制OpenAI发展，扎克伯格与微软CEO还探讨了开源闭源模型生态等内容。

CVPR 2026 | 给扩散模型装上「物理引擎」: 北大彭宇新团队提出NS-Diff，使扩散模型学会流体与刚体力学

北大彭宇新团队提出 NS - Diff，将物理约束与强化学习结合，解决视频生成物理失真问题。它通过多模块提升视频物理真实感，实验表明在多数据集上超现有方法，降低物理运动误差。

谷歌DeepMind最新论文，刚刚登上了Nature！揭秘IMO最强数学模型

谷歌DeepMind的AlphaProof在IMO获接近金牌的银牌成绩。它结合大模型直觉、强化学习和Lean形式化证明解题，虽在速度、泛化和读题上有局限，但开启了人类数学家与AI协作新阶段。

给视频模型建一座「全能训练场」：300项任务、可验证奖励，VBVR-Pro系统探索视觉推理

针对原生视觉推理缺少完整训练评估基础设施的现状，NTU等多校联合推出VBVR-Pro系统，构建了从任务构建、模型训练、能力评测到强化学习优化的完整闭环，论文、数据、代码均已公开。

自建一个 Agent 很难吗？一语道破，万语难明

作者分享给传统研发平台接入 Agent 开发能力的经验，介绍技术选型、方案落地、系统提示词优化、知识库建设等内容，还提及工具接入、上下文管理等方面，为想自建 Agent 的人提供启发。

量智齐飞！4个月9款车落地，轻舟城市NOA击穿10-20万体验天花板

本文报道轻舟智航4个月内落地9款搭载城市NOA的车型，依托地平线单征程6M方案，将高阶辅助驾驶带入10-20万元主流价格带，推动智驾普惠，同时介绍了其量产规模、安全性能与未来业务布局。

走一步看一步、两三个月就迷茫一次：字节扣子的两年「创业」

字节的扣子刚完成大版本更新，定位“职场AI，就用扣子”。它过去两年像早期创业团队“野生”生长，从Bot Studio到工作流平台，再到扣子空间，如今迈向Vibe Coding，强化“伙伴”定位，值得产品创新者研究。