2026年2月，清华大学刘洋团队发布论文《DOCTOR-R1: Mastering Clinical Inquiry with Experiential Agentic Reinforcement Learning》，揭示了为何参数规模更大的医疗AI模型（如70B）在真实问诊中表现不如较小的模型（如8B）。研究表明，传统静态评测方式无法反映模型在动态临床场景中的能力，现有模型常因提问策略僵化、高风险信号反应迟钝等问题失效。DOCTOR-R1通过强化学习和部分可观测马尔可夫决策过程建模，在多轮问诊中展现出更优的提问策略与沟通能力，显著提升诊断准确性与安全性。研究强调真实临床能力需结合交互训练，并为医疗AI发展提供了新范式。

正文：2026年2月，智谱AI公开GLM-5技术论文，全面解析其架构、训练方法及芯片适配能力。GLM-5引入DeepSeek同款稀疏注意力机制（DSA），大幅降低计算成本并提升长上下文处理能力，同时通过异步强化学习基础设施优化训练效率。此外，GLM-5完成与华为昇腾等国产芯片的全栈适配，引发国内外广泛关注。在多项评测中，GLM-5表现优异，尤其在SWE-bench Verified榜单上得分77.8%，成为开源模型中的新标杆。论文发布后，海外用户甚至将其作为教程学习，进一步验证中国AI技术实力。

标题：腾讯混元 x MBZUAI 港中文新研究：Search-R2 重构搜索增强推理学习方式 正文： 大语言模型的能力提升长期依赖参数和数据规模的扩张，但在复杂任务中，这种方法逐渐显现出局限性。尤其是在多轮搜索与推理场景中，模型失败的原因往往不是推理能力不足，而是无法有效处理错误的传播。现有训练...

标题：清华刘知远团队论文：强化学习能否教会大模型新能力？| ICLR 2026 正文： 随着大语言模型的规模和预训练强度不断提升，强化学习在后训练阶段的角色正发生变化。尽管它仍是提升推理和多步决策表现的关键技术，但越来越多的实验表明，强化学习的性能提升往往难以等同于“新能力的形成”。尤其是在 p...

2026年2月5日，中金公司发布研报指出，全球大模型技术在推理、编程、Agentic及多模态能力上已取得显著进步，但在稳定性与幻觉率等方面仍有不足。展望未来，中金预计2026年大模型将在强化学习、模型记忆和上下文工程等领域实现更多突破，从短context生成迈向长思维链任务，从文本交互扩展至原生多模态应用，进一步接近通用人工智能（AGI）的长期目标。

1月28日，腾讯混元团队宣布开源混元图像3.0图生图版本，并在LMArena榜单中位列第一梯队。原新加坡Sea AI Lab高级研究科学家庞天宇即将加入腾讯混元多模态部Exploration Center，负责强化学习算法探索。庞天宇为清华大学计算机系直博生，师从朱军教授，曾获微软学者奖学金等多项荣誉，在顶级会议发表多篇论文。腾讯混元系列大模型已在内外部广泛接入，衍生模型下载量超800万，成为全球热门开源模型之一。腾讯董事会主席马化腾表示，公司持续吸引AI人才并优化组织结构，元宝将推出“元宝派”AI社交玩法，融合腾讯视频、QQ音乐等内容，同时上线10亿现金红包激励活动，目标重现微信红包的辉煌时刻。

2026年1月27日，Personal Intelligence公司Mindverse宣布完成超2000万美元Pre-A轮融资，由蚂蚁集团领投、红杉中国等联合投资。Mindverse成立于2023年10月，专注于个人专属模型（Personal Intelligence）研发，其试验性产品Macaron AI于2025年8月发布，面向个人生活场景。团队在LoRA强化学习领域取得突破，已实现万亿参数级训练能力，并搭建平台Mind Lab Toolkit供外部测试。目前，Macaron AI用户创建应用超30万个，运行28个LoRA模型，目标在2026年Q2为数十万用户提供定制化模型。创始人陈锴杰表示，个性化AI体验是未来方向。投资人认为，记忆与交互的结合将是AI入口竞争核心，期待Mindverse推动个性化规模化落地。

8块钱跑通强化学习全流程，潞晨云重塑微调赛道：1名算法工程师=1支Infra团队 大模型竞争已从“暴力预训练”转向“后训练”战场。无论是OpenAI o1的推理突破，还是DeepSeek-R1通过强化学习（RL）实现的性能飞跃，都表明：模型能力不再单纯依赖算力堆砌，而是由精准微调和RL迭代决定。 然...

2025年12月，Dwarkesh在其最新播客中总结了AI进展的现状与未来趋势。他指出，以强化学习为核心的“中训练”正成为大语言模型的重点突破方向，但这表明AGI仍遥远，因模型需依赖大量预置技能而非泛化能力。他认为，当前AI经济扩散滞后并非技术扩散问题，而是模型能力不足所致。此外，Dwarkesh提到，持续学习将是AGI后提升模型能力的主要驱动力，预计明年前沿团队将发布初步功能，但达到人类水平可能还需5到10年。他还强调，AI在特定任务上的表现常被高估，而真正的AGI需解决复杂智能和劳动的核心问题。评论区反馈补充了对AI错误模式不可预测性及强化学习局限性的讨论。

标题：港中文 MMLab × 美团新研究：一个模型解决多种视觉推理任务 正文： 在大模型迈向通用视觉智能的趋势中，单一任务或模态的方法已面临瓶颈。现实中的视觉系统需完成问答、视频理解、目标定位、描述生成等多样化任务，这对跨任务和跨模态能力提出了更高要求。然而，现有方法多依赖任务专化模型，难以实现...