北京/上海/杭州内推 | 蚂蚁集团保险大模型算法团队招聘大模型算法专家（P6-P7）
合适的工作难找？最新的招聘信息也不知道？AI 求职为大家精选人工智能领域最新鲜的招聘信息，助你先人一步投递，快人一步入职！蚂蚁集团蚂蚁集团保险大模型算法团队，正聚焦用大模型技术重塑保险全链路服务 ——
阅读全文思而不学则殆：通义实验室×北大联合提出RL-PLUS，突破大模型推理边界
“学而不思则罔，思而不学则殆。”仅依赖 GRPO 类探索，会导致大模型出现能力塌缩。RL-PLUS 创新性地融合监督学习（“学”）与强化学习（“思”），在 6 个复杂数学推理基准（如 AIME25 等
阅读全文NeurIPS 2025 | 理解能否反过来教生成？VideoREPA让视频生成模型“懂物理”
我们用视频生成模型画出世界，但是真的理解世界吗？当前的视频生成模型看似能生成逼真场景，但实际上并不理解物理世界：物体会悬空不落、流体会违背重力、碰撞没有反馈。本文发现，一个拥有 20 亿参数的生成模型
阅读全文博士申请 | 香港中文大学陈玥老师招收人工智能/智能电网方向全奖博士生
合适的工作难找？最新的招聘信息也不知道？AI 求职为大家精选人工智能领域最新鲜的招聘信息，助你先人一步投递，快人一步入职！香港中文大学香港中文大学（The Chinese University of
阅读全文GPT-5当上论文作者！AI首次以正式身份参与数学证明，攻克Erdős悬赏猜想
半个世纪悬而未解的数学谜题被攻克，而这次写下证明的，不只是人类。GPT-5 被正式列为论文作者之一——它写出了成千上万行可验证的数学证明代码，让一条悬赏 $1000 的 Erdős 猜想彻底落幕。有些
阅读全文会看图≠会画图：SRUM用理解教会生成，探索统一多模态自我进化之路
TLDRSRUM 是一种简洁高效的后训练方法。其核心动机在于：当前统一多模态模型的理解能力普遍优于生成能力，对于许多对偶任务，生成端难以处理的问题，理解端却能轻松应对。基于此，SRUM 通过巧妙的指令
阅读全文北京内推 | 腾讯混元大模型团队招聘多模态大模型DeepResearch方向算法实习生
合适的工作难找？最新的招聘信息也不知道？AI 求职为大家精选人工智能领域最新鲜的招聘信息，助你先人一步投递，快人一步入职！腾讯混元大模型是腾讯公司的通用大模型技术团队，致力于开发业界先进的 AI 大模
阅读全文不重构、不牺牲通用性：VLM-FO1，为任何VLM无损增强细粒度感知能力
通用视觉语言模型（VLM）能理解图像，却常常“看不清”细节。它能回答“图里有什么”，却指不准“具体在哪”。根源在于——生成式架构天生擅长输出语言，却不擅长生成连续坐标，这对模型而言是“非自然”的任务。
阅读全文不用人类思维链！PARO打通SFT+RLVR，用模式先验重塑推理监督
PARO 证明，大模型真正需要学习的不是人类思维链，而是可复用的“推理模式”。当模式先验取代昂贵标注，SFT+RLVR 从人力密集走向自动生成，推理监督范式也因此被彻底改写。©PaperWeekly
阅读全文北京内推 | Apple中国招聘多模态/大模型方向算法实习生
合适的工作难找？最新的招聘信息也不知道？AI 求职为大家精选人工智能领域最新鲜的招聘信息，助你先人一步投递，快人一步入职！AppleApple is a place where extraordina
阅读全文节省90%科研时间！Keplore自带GPU：一键跑通实验、复现论文、部署结果
研究生花一周跑通的实验，Keplore 十分钟就能完成。它不是“写点代码的助手”，而是一支自带 GPU、自动复现论文并能直接部署成果的科研外包团队。每次开始一个 AI 新项目时，成本都高得离谱？ 搞算
阅读全文ICCV 2025 | AI能看懂电影剧情吗？VRBench开启首场“长视频推理大考”
本文第一作者为上海人工智能实验室研究员于家硕，研究方向为多模态视频理解。通信作者为中国科学院深圳先进技术研究院王亚立老师，上海人工智能实验室王毅老师，南京大学王利民老师。共同作者来自于上海创智学院等。
阅读全文北京内推 | 阿里夸克基础大模型团队招聘强化学习方向研究型实习生
合适的工作难找？最新的招聘信息也不知道？AI 求职为大家精选人工智能领域最新鲜的招聘信息，助你先人一步投递，快人一步入职！阿里巴巴阿里夸克大模型团队在智能科技浪潮中迅速崛起，我们拥有处于上升阶段的核心
阅读全文建议所有博士都去学一遍，赢麻了！
新手搞科研，发不出顶会顶刊，不是因为你不够努力，而是因为你仍在沿用那套低效、耗时的传统科研模式！传统模式要求你“从0到1”搞出一个极具创新的idea，然后花大量时间去验证、实现。这种模式对于科研新手来
阅读全文不改超参、不调token：用分位数替代均值，QAE让大模型强化学习更稳定
强化学习总是“要么坍塌要么炸”？QAE 用分位数取代均值，一步让训练稳回安全区。本文提出了一种简洁的强化学习基线改进方法——分位数优势估计（Quantile Advantage Estimation，
阅读全文深圳内推 | 光明实验室生成式大模型团队招聘大模型/Agent方向研究员
合适的工作难找？最新的招聘信息也不知道？AI 求职为大家精选人工智能领域最新鲜的招聘信息，助你先人一步投递，快人一步入职！光明实验室人工智能与数字经济广东省实验室（深圳）（以下简称“光明实验室”）是经
阅读全文扩散语言模型也能强化学习？Meta田渊栋团队用“三明治梯度”打通RL闭环
把“好答案拉上去、坏答案压下去”：SPG 用上下证据界把扩散语言模型的策略梯度夹得又准又稳，一口气把四个经典推理基准的榜首收进囊中。一谈到 dLLM（离散扩散语言模型），大家首先想到的是并行或半自回归
阅读全文NeurIPS 2025 | 仅用20B tokens蒸出SOTA，小模型的「低秩时刻」到了
最近我们高效蒸馏的工作 “Low-Rank Clone（LRC）”非常幸运被 NeurIPS 2025 接收为 Spotlight。TL;DR：我们通过训练一组 Low-Rank Projection
阅读全文不靠RL、不用训练：哈佛「Power Sampling」让基座模型推理媲美GRPO
不靠强化学习、不做额外训练、不用校验器，也不需要复杂提示——哈佛团队提出的「Power Sampling」仅靠重新设计采样分布，就让基座模型的单发推理媲美 GRPO，还保持了多样性不坍缩。强化学习（R
阅读全文不用微调！像打方向盘一样“操控”大模型思考：Steering正在改写推理范式
过去几年，Prompt Engineering 通过设计提示词引导大模型生成答案，而 Context Engineering 进一步强调优化输入上下文，使模型在推理过程中获得更多相关信息，从而提升理解
阅读全文First Try Matters，不是Aha Moment：邴立东团队揭示推理模型靠首答，不靠反思
长思维链没那么神奇：推理模型中九成“反思”只是重复确认，真正决定结果的是第一个答案。邴立东团队系统量化发现，使用有更多反思的数据训练能让首答更准，但推理时截断反思几乎不掉分，却能显著节省 token。
阅读全文一致性轨迹强化学习登场：上海AI Lab让扩散语言模型实现全并行少步数推理
由复旦大学、上海人工智能实验室、上海交通大学联合研究团队发布最新论文，提出了一套针对掩码扩散大语言模型（Masked Diffusion Large Language Model，MDLM）的解码策略
阅读全文早鸟票倒计时2天！全国大模型智能生成大会：推理、多模态、智能体前沿集结
会议简介全国大模型智能生成大会（LMG）是中国中文信息学会（CIPS）大模型与生成专业委员会的旗舰学术会议。LMG是国内外大模型技术精英最期待的年度盛会，是极具行业实践的专业大模型交流平台，共同推进大
阅读全文Meta花了420万美元、烧掉40万GPU·小时，只为验证一条Sigmoid曲线
Meta 花了 420 万美元、40 万 GPU·小时，只为验证一个大胆猜想： 强化学习的结果，其实在训练一半时就能被算出来。在大模型时代，烧钱的研究已经见怪不怪；但当 Meta 的论文承认——这项实
阅读全文从会画画到会思考：快手可灵提出T2I-CoReBench，最强模型也难逃推理瓶颈
文本生成图像已从“能画出来”进入“要想明白”的时代。快手可灵团队发布的 T2I-CoReBench，用 12 个维度、1080 个高难 Prompt 与 13,500+ 精细化问题，首次系统揭示 T2
阅读全文NeurIPS 2025 | 上交大提出MM-UPT：多模态大模型的“无监督后训练”范式
自多模态大语言模型（MLLM）问世以来，它们在图像描述、视觉问答等任务中展现了惊人的能力。为了进一步提升模型性能，尤其是在复杂的多模态推理任务上，学术界和工业界的主流范式是监督微调（SFT）或强化学习
阅读全文GPT越来越保守？斯坦福Manning团队提出Verbalized Sampling，让模型重新“多想一点”
当我们发现 GPT 的回答越来越相似、越来越像在背标准答案时，问题或许不在模型的能力，而在它被人类偏好训练“驯化”成了平均值——它学会了迎合最典型的答案，却忘了自己原本的多样性。过去两年，几乎所有经过
阅读全文ACL 2025 | 北大提出动态焦点解码：让开放生成既“靠谱”又“好看”
近年来，大语言模型在开放式生成任务中大放异彩，但一个问题始终存在——生成的内容要么太死板，要么太离谱。固定的随机解码温度让模型陷入两难：温度高，输出多样但容易胡说八道；温度低，句句属实却千篇一律。如何
阅读全文统一高效来了！清华发布RLinf-VLA：把VLA+RL的训练与部署“一网打尽”
前段时间清华大学推出了首个面向具身智能的大规模强化学习框架 RLinf，之前主要是从系统设计的角度出发，介绍 RLinf 极度灵活的系统设计思想。最近，团队加班加点，终于出炉了 RLinf 系统中关于
阅读全文罗福莉担任通讯作者，小米 × 北大联合发布R3：让MoE强化学习从崩盘回归可控
“95 后天才少女”罗福莉以通讯作者身份参与小米联合发布的 R3（Rollout Routing Replay），首次从路由一致性层面对齐 MoE 强化学习的根因不稳，让训练曲线从“崩盘”回到可控区间
阅读全文