S3AC提出可训练的评论家模型,为长链推理强化学习补齐token级信用分配

研究者在 Hugging Face Papers 上发布论文摘要,提出 S3AC 强化学习框架,重新引入可训练的 critic(评论家)模型,用于大模型长链思维链推理训练,号称在 1.5B 到 397B 参数模型上优于 GRPO-X 变体。

研究者在 Hugging Face Papers 上发布论文摘要,提出 S3AC 强化学习框架,重新引入可训练的 critic(评论家)模型,用于大模型长链思维链推理训练,号称在 1.5B 到 397B 参数模型上优于 GRPO-X 变体。

曾打造 Pegasus 间谍软件的 NSO Group 前掌门人 Shalev Hulio 公开呼吁各国政府自建 AI 模型、减少对美国 AI 厂商的依赖。他的新公司 Dream 正以此为主业,已融资 4 亿美元、估值 30 亿美元,产品卖到十余个国家。

AllModels 推出聚合路由层,为 abliterated 版 DeepSeek V4.1 Flash 和 GLM 5.3 接入多家独立推理服务商,用一个兼容 OpenAI 的接口统一调用,值得关注的是它试图解决去审查模型来源分散、供应不稳的问题。

OpenAI 在今年 9 月下旬的开发者日上发布个人助理 dots,把 Codex 的编程 Agent 能力重新包装成日常工具,并把它定位为可在后台持续工作的“单一实体”。这值得关注,因为它显示出 OpenAI 正从模型和聊天产品向常驻型 AI 服务延伸,但主动性和隐私边界仍是待解问题。

开发者Leon Lin展示了一段由Opus 5.5模型驱动AI代理运行5天生成的视频:湖畔日落中钢琴家演奏原创曲目,引发社区对AI是否具备审美品味的讨论。

OpenAI 的 Thibault Sottiaux 在 X 上提醒,ChatGPT 网页版允许用户自定义外观并调成更舒缓的风格,并附上设置页链接。这是一条使用提示,而不是新功能发布公告。

论文提出RynnVLA-Latent框架,先把30.1K小时异构视频转成3D接地的潜在动作描述,再用流匹配预训练4B机器人策略,在LIBERO等基准和真机任务上报告了较高成功率。

微软计划于 2026 年 11 月向全球 Teams 用户推送上下文感知的 AI 钓鱼检测,重点识别不依赖恶意链接或附件的社交工程与冒充行为。对企业沟通平台而言,安全防护正从“查链接”转向“读语境”。

Bloomberg 在 2026 年 10 月 26 日刊出对 Ray-Ban Meta Audio 眼镜的评测:取消摄像头对部分用户反而是优点,音质和 Meta AI 体验良好,但隐私顾虑和偏高售价仍在。

科技分析师 Ben Thompson 在 Stratechery 撰文认为,公共互联网因信息饱和、算法聚合与 AI 安全漏洞已难以按旧模式运转;这一判断值得关注,因为它可能推动内容分发、API 访问和 AI 应用开发生态转向封闭或半封闭结构。