布鲁克菲尔德与OpenAI达成战略合作投资五亿美元

2026年2月，一项由上海交通大学与腾讯优图实验室合作完成的研究在arXiv预印本平台发布，论文编号为arXiv:2602 03075v1。这项研究提出了一种碘伏性的AI训练新范式，让大型语言模型在训练过程中实现了“自我强化”，彻底打破了传统单向训练的局限。 回想一下传统的AI训练，是不是很像一条单

你是否在使用AI生成视频时遇到过这样的困扰：视频开头几秒画面清晰稳定，但随着播放进行，人物面部特征逐渐改变，背景场景也悄然偏离了初始设定？这种现象如同摄影师在拍摄过程中逐渐“跑偏”，在AI视频生成领域被称为“误差累积”难题。其本质类似于传话游戏——每个生成步骤中的微小偏差不断叠加放大，最终导致输出结

这项由香港科技大学（广州）与字节跳动种子实验室合作完成的研究，于2026年2月发布，论文编号为arXiv:2602 05393v1。 想象一下教孩子学骑自行车。通常，我们会找一位熟练的骑手来指导。但如果有人说，让一个刚学会骑三轮车的小孩去“指导”一个成年人，反而能让成年人学得更快、更好，这听起来是不

提到3D建模，许多人会联想到需要专业软件、耗费数小时甚至数天的复杂流程。然而，一项由中国科学院计算技术研究所牵头，联合中国科学院大学、中国矿业大学（北京）人工智能学院及苏黎世联邦理工学院等顶尖机构共同完成的最新研究，正在颠覆这一传统认知。这项发表于2026年2月的预印本研究（论文编号：arXiv:2

这项由英国南安普顿大学、阿拉伯科技大学KAUST、美国西北大学、英国利物浦大学以及Cohere公司联合完成的研究，于2026年2月以预印本论文（arXiv:2602 05494v1）的形式发布。研究瞄准了当前大语言模型训练中的一个核心痛点，并提出了一种名为ATR-GRPO（基于近似信任区域的GRPO