FF股东大会通过关键提案，机器人产品月底交付在即

这项由清华大学和加州大学伯克利分校联合开展的研究，已于2026年2月以论文形式发布（编号arXiv:2602 12675v1），为AI视频生成领域带来了一项关键突破。 想象一下，让AI生成一段视频，就像要求一位超级画家逐帧绘制一部动画。这位“画家”需要对画面中的每一个像素、每一处细节都投入同等的精力

在处理长篇文本时，人类大脑能够轻松构建连贯的叙事脉络，而许多人工智能模型却受限于逐词预测的模式，难以把握整体语义。普林斯顿大学的研究团队精准定位了这一核心瓶颈，并创新性地提出了名为“REFINE”的革命性训练框架，成功引导AI模型掌握了“序列思考”的关键能力。 这项由普林斯顿大学计算机科学系团队完成

你有没有想过，那些看起来无所不知的AI聊天机器人，其实也会犯一些令人啼笑皆非的错误？就像一个博学的教授在课堂上突然说出“1+1等于3”这样的低级失误。近期，一项由加州理工学院和斯坦福大学联合开展的研究，系统性地梳理了大语言模型在推理过程中的各类“翻车”现场，相关成果已于2026年1月发表在《机器学习

这项由小红书技术团队主导的前沿研究，已于2026年2月正式发表于预印本平台arXiv，论文编号为2602 10693v1。该研究精准聚焦于大语言模型强化学习训练中的一个长期痛点——训练稳定性，并创新性地提出了一种名为VESPO的优化算法。该算法旨在从根源上缓解因“策略陈旧性”或“信息过时”所引发的训

训练一个现代大语言模型，过程有点像教一个天赋异禀但性格敏感的学生。你得循序渐进，精心调整每一步。然而，一项由微软SIGMA团队与新加坡国立大学合作的研究，却揭示了一个令人深思的现象：即便是最先进的模型，在训练过程中也可能毫无征兆地突然“崩溃”，仿佛之前学到的所有知识瞬间清零。这项发表于2026年初的