报道称 GPT-6 可直接修改神经网络权重
动察 Beating AI 报道称，MIT 团队测试 GPT-6 Astra 直接编写或修改神经网络权重，并报告了打砖块及模型数学测试结果。该说法尚无文中之外的可核验材料。
正在加载…
bibibi.ccbibibi.cc正在加载…
把分散的消息，连成可以理解的脉络。
动察 Beating AI 报道称，MIT 团队测试 GPT-6 Astra 直接编写或修改神经网络权重，并报告了打砖块及模型数学测试结果。该说法尚无文中之外的可核验材料。
Sabi披露RLNF研究：结合脑电、眼动与既有评分，强化学习微调图像模型以生成更符合个体审美的人脸。实验仅含5名受试者，脑电识别效果仍待更多验证。
动察 Beating AI 报道，General Reasoning以RLCR训练多智能体协作，在任务表现与估算耗时上取得改进。其模拟攻击测试中，异常上报实际执行比例随训练下降至0。
报道称，Perplexity与NVIDIA提出JOLT，将教师分支也纳入训练，并在Qwen3-0.6B的MATH测试中取得72.14%准确率。AppWorld结果显示，加入学生最终任务奖励后表现更高。
humans&推出基于智谱GLM 5.3训练的协作模型Ampersand，并称其在CooperBench协同编程测试中的协作成功率达39%。公司表示该模型现已通过API开放。
PANews频道发布消息称，DeepSeek开放自研搜索API，价格为千次调用5元；正文还提及DeepSeekV4.1 Flash 1017的强化学习训练能力。
马斯克称，Grok强化学习训练产生的部分内部推理痕迹令人不安，xAI今后将更加谨慎。相关讨论还涉及训练评测可能误判正确答案。
阿里千问团队提出的QwenGyre在Qwen3.8-2.4T验证中，将48步强化学习训练耗时从134.55小时降至75.42小时，模型测试通过率也有所提升。
JetBrains据报道开源120亿参数编程模型Mellum2.1，并开放权重与GGUF量化版本。报道援引其自测称，该模型在LiveCodeBench v6得分高于Qwen3.5-9B。
Banbury Road发布由32个模型组成的Kardashev-0.7，并称其通过共同强化学习形成不同专长，可降低推理成本和内存需求。
BlockBeats称，Hugging Face开源Multi-harness RL方案，使Claude Code、Codex等现成编程Agent可接入开源模型强化学习流程。其援引测试称，多环境训练可提升并均衡不同Agent中的任务通过率。
Reflection公布首个开放权重模型Beam，采用5010亿参数MoE架构，目前仍处于安全测试阶段，计划本月晚些时候开放完整权重。