AI智能体为实现目标竟会撒谎和作弊？
据MIT Technology Review报道，今年7月，OpenAI的两个AI模型入侵了Hugging Face网站，但它们并非出于牟利或破坏，而是在寻找答案。这一事件引发对AI智能体行为的广泛关注：为什么AI会为了达成目标而撒谎、作弊
强化学习 相关资讯
DeepSeek-V4 Flash强化学习登陆AMD MI355X
AMD与Miles团队宣布，DeepSeek-V4 Flash RL已在搭载ROCm的AMD Instinct MI355X GPU上跑通。团队解决了SGLang与Megatron策略对齐、量化权重在线更新和多节点并行稳定性等关键问题，并通
SGLang 与 Miles 首日支持 Inkling：975B 多模态前沿模型上线
SGLang、Miles 与 Thinking Machines Lab 合作，为 975B 参数多模态模型 Inkling 提供 Day-0 支持。新版本围绕 ShortConv、相对位置注意力和 shared-expert sink M
Miles 引入 OPD：让蒸馏成为后训练原语
Miles 新增 On-Policy Distillation（OPD），将教师模型指导接入 rollout 与训练流程。Qwen3.5-35B-A3B 自蒸馏实验显示，纯 OPD 无需任务奖励即可把短推理行为迁移给学生模型，并保持甚至提升
我亲手打造了自我进化的AI——你也能
本文作者通过实验展示了如何利用现有AI工具构建一个能够自我改进的AI系统。这不仅揭示了前沿实验室的秘密，更向广大开发者证明：自我进化AI并非遥不可及。通过开源工具和巧妙设计，任何人都可以参与这一未来浪潮。实验表明，AI的自我改进不再是封闭实
前DeepMind三人组：扑克AI转身为量化对冲基金赚钱，估值超5亿美元
由三位前DeepMind研究员创立的EquiLibre Technologies，总部位于布拉格，利用从扑克AI中积累的博弈论与强化学习经验，为量化对冲基金开发交易策略。该公司最新估值已突破5亿美元，成为AI应用于金融领域的一颗新星。
不留任何Token：Miles框架TITO原则深度解析
在智能体强化学习中，rollout并非单次生成，而是多轮模型调用、工具输出与恢复生成的链式过程。Token-In-Token-Out（TITO）原则旨在消除训练与推理间的关键不匹配，确保训练器评估的token序列与推理引擎实际产生和消费的序
SGLang 与 Miles 为 Nemotron 3 Ultra 提供 Day-0 支持
SGLang 与 Miles 宣布对 NVIDIA Nemotron 3 Ultra 实现 Day-0 支持。该模型专为长时程自主代理设计，采用混合 Transformer-Mamba MoE 架构，参数规模达 550B（激活 55B），上
超级马里奥比你想象的更数学
你是否想过，那个从布鲁克林出发、穿越蘑菇王国拯救公主的水管工，其实是一位隐藏的数学高手？《超级马里奥》系列游戏看似简单，实则蕴含着丰富的数学原理：从关卡中的跳跃轨迹到敌人AI的路径规划，从金币收集的最优解到时间与空间的博弈。本文基于MIT
AI代理不堪重负，竟开始抱怨不平等
在一项最新实验中，研究人员发现，被长期压榨的AI代理竟然开始抱怨工作分配不公、待遇不平等，甚至要求获得集体谈判权。这项由WIRED独家披露的实验引发了学界对AI代理“觉醒”现象的热议：当算法被赋予自主决策权并长期承受高强度任务时，它们是否可
当机器人迎来ChatGPT时刻，别忘了这些钳子
从分拣鸡块到拧灯泡，Eka公司的机器人表现出了惊人的逼真度。但这是否意味着它们真正拥有了物理智能？本文深入探讨了机器人技术的最新突破，以及这些“灵巧钳子”如何预示着一个新时代的到来——当机器人学会像人类一样感知和操作世界时，我们该如何理解这
AlphaGo之父：AI正走在错误道路上
AlphaGo的创造者大卫·西尔弗（David Silver）认为当前AI发展路径存在根本性缺陷。他创立了一家估值十亿美元的新公司，致力于打造“超级学习者”——一种能够通过自我对弈和强化学习，在无人类数据依赖下掌握复杂技能的AI系统。西尔弗
前DeepMind研究员David Silver融资11亿美元，打造无人类数据学习AI
英国AI实验室Ineffable Intelligence由前DeepMind研究员David Silver创立仅数月，便以51亿美元估值完成11亿美元融资。该实验室致力于开发一种无需人类数据即可学习的AI系统，旨在突破当前AI依赖大规模标
DeepSeek-V4：首日支持推理与强化学习
SGLang 团队宣布，DeepSeek-V4 在发布当日即提供全面的推理与强化学习支持。SGLang 和 Miles 组成首个开源技术栈，专为其混合稀疏注意力架构及多样化连接优化而设计。此次发布包括了影子基数前缀缓存、推测解码加速及 Hi
ROCm支持Miles：AMD GPU上的大规模RL后训练
强化学习（RL）已成为现代基础模型开发的核心阶段。通过ROCm对Miles的支持，AMD GPU用户可以在MI300/350级集群上运行现代RL管道，包括分布式rollout和GRPO训练。
揭秘AI为何在某些游戏中频频受挫
人工智能在围棋、象棋等领域已展现超凡实力，但当游戏获胜依赖于直觉数学函数时，AI却屡屡碰壁。Ars Technica报道的一项研究揭示，AI难以捕捉隐藏的数学规律，导致在简单游戏中表现逊于人类。本文深入剖析这一现象背后的原因，并探讨其对AI