标签：算力

UniSkill用对比动作反馈训练技能库，避免额外rollout

一篇新论文提出 UniSkill，让共享策略在环境交互中直接生成技能库的增删改，并用对比动作反馈代替额外 rollout 评估技能质量；据摘要，它在 ALFWorld 和 WebShop 上分别达到 98.4% 与 84.7% 成功率。

RoboPrompt 提出一种轻量级机器人策略引导系统，用户只需在摄像头画面上画轨迹、点目标或给粗略方向指令，就能修正机器人动作，而无需改动基础策略架构或重新微调。

Hugging Face Papers 收录的一篇论文提出 Δ-MOPD，不再让学生模型直接模仿多位教师模型的最终输出，而是学习每位教师相对其基座模型的变化量，在多教师组合场景中取得更好效果。这为多教师蒸馏提供了一个独立于教师选择的新设计维度。

alphaXiv 上的一篇论文提出 RSI-Forge 多智能体流程，把已发表论文转换为带自动评测器的可执行环境；在 120 个环境中，四个模型连续三次尝试后，至少一个模型在 84% 的环境中取得提升。

三星实验室开源 LittleBit 系列低比特压缩方案，可将大模型权重压到每权重 1.0 至 0.1 比特，且推理时保持原模型架构不变。LittleBit-2 只改初始化阶段，不增加推理开销。

英伟达支持的Firmus数据中心IPO因未能吸引足够支持而前景不确定，折射出市场对AI基础设施融资的谨慎情绪。

由前 OpenAI 和 Cognition 成员创办的 Hone 完成 6000 万美元种子轮融资，估值 2.85 亿美元，计划开发能协助经营企业的 AI 智能体。

AgentGarten 把游戏引擎的持久世界状态和可编程交互规则，与一个共用的神经渲染器结合起来，让智能体在实时交互环境中学习；按摘要给出的实验，学习效率从传统强化学习的数百万轮降到约 4 轮。

StepFun 在 OpenRouter 上线旗舰模型 Step 5 Preview，采用稀疏 MoE 架构、支持 100 万 token 上下文，面向长代码库和文档的智能体任务。

AI硬件创业公司Natura推出一款售价99美元的智能戒指Interface，可通过配套应用连接ChatGPT、Claude、Grokbot等多个AI代理。这代表AI硬件正从可穿戴设备层面探索“脱离手机屏幕”的交互入口。