强化学习

Databricks推出全新微调方法TAO，降低成本，提升开源模型性能，突破商用AI竞争。

小米大模型团队音频推理领域突破，强化学习算法准确率达64.5%，超越现有商业模型。

开源R1-Omni模型提升多模态情感识别能力，强化学习与RLVR优化泛化性能，实验证明效果显著。

AI产业重心转向“模型即产品”，专业化、垂直化、服务化成未来趋势。

AI模型自我改进能力差异研究，揭示认知行为重要性。

智谱华章发布GLM-Zero-Preview，强化学习技术提升AI推理能力，免费体验平台已开放。

月之暗面发布全新视觉思考模型k1，基于强化学习技术，支持图像理解与思维链融合，超越全球领先模型。k1模型在数理化领域表现突出，提供流畅交互体验，已上线Kimi智能助手，用户可体验新功能。

DIAMOND方法利用扩散世界模型提高强化学习样本效率，Atari100k测试中实现最佳成绩，展现其在神经游戏引擎领域的潜力，有望通过整合先进记忆机制进一步提升性能。

Kimi智能助手推出新一代数学推理模型k0-math，在多项数学基准测试中成绩优异，超过OpenAI o1系列模型。采用强化学习和思维链推理技术，提升解题能力，计划持续迭代以应对更高难度题目。