最近几个月，科技界把“世界模型”这几个字推到了聚光灯下。它被看作是 AI 的下一座里程碑，李飞飞领衔的 World Labs 刚发布的 Marble 更是引发了行业的强烈关注。这意味着，“世界模型”正从实验室走向商业化，展示出一些超越传统大模型的能力，也让我们重新审视这项技术真正的价值所在。 第一章

最近，谷歌AI实验室的产品总监Jaclyn Konzelmann在其官方博客中分享了一篇关于Nano Banana（即Gemini 2 5的图片生成能力）的内部使用技巧与效果展示。阅读后，有几个值得关注的要点： 美图秀秀的“含金量”持续攀升——实际上，目前大多数人物图像处理效果，在现有的照片编辑类A

AI客服这个赛道，说起来真是又重又香。重在人力和频次，香在高价值场景——一直是企业和资本市场盯着不放的香饽饽。这两年冒出来的一匹黑马，是美国的Decagon。成立不到两年，融了2 3亿美元，最新估值冲到15亿美元，把同行甩开一大截。研究了一圈才发现，Decagon除了具备AI客服该有的基本功，手里还

企业砸钱投资AI，回报却不高；员工偷偷用自己买的AI，效率反而提升得飞快——这听起来有些讽刺，但正是眼下不少公司的真实写照。 最近仔细读了MIT发布的《State of AI in Business 2025》企业AI研究报告，发现了一个很有意思的现象。报告显示了两个看似矛盾的趋势： 内部AI难产：

近两年来，Palantir始终是资本市场企业服务赛道上的焦点话题，各大媒体争相报道，不少人甚至将其冠以“AI行业领军企业”的称号。其市值已超越Salesforce，市盈率更是高达196倍，远高于特斯拉的137倍。 表格AI 生成的内容可能不正确。 在重新深度研究其产品后，一个深刻的感悟浮现出来：“慢

上一讲从代码层面解释了GRPO为何能省略critic——本质上是利用同一条prompt的多条response在组内计算相对baseline，而无需单独训练一个value model。但省略critic后，最容易被低估的问题是什么呢？ 先给出核心判断：DAPO-style recipe和Dr GRP

上一组最后一篇按 fit() 走完了一轮 PPO GRPO step。进入第二组，我们换一个视角：在同一轮 step 中，actor、rollout、reference policy、reward、critic 这些角色各司其职，哪些真正在训练，哪些仅提供反馈信号，哪些只用于生成过程？ 首先给出一个

上一篇文章详细拆解了PPO后训练中的四个角色：actor作为接收策略损失（policy loss）更新的主策略，critic则专为PPO GAE提供价值基准（value baseline）。那么一个更深入的问题随之而来——GRPO为何能直接舍弃critic这一路径？核心要点在于：GRPO并非完全没有