打破代码大模型训练瓶颈：MicroCoder全面升级训练方法 微软亚洲研究院、剑桥大学和普林斯顿大学联合推出MicroCoder，从算法、数据、框架和训练经验四个维度优化代码大模型训练，在最新测试集中取得显著提升，并开源了34条训练洞察。 背景：旧方法为何失效？ 强化学习是提升代码模型能力的核心路径...

标题：西交大 x A*STAR 论文：让 AI 学会「保持一致」，多图生成迎来关键突破丨CVPR 2026 正文： 让 AI 连续生成一致的图像一直是个难题。例如，AI 画一个角色时，第一张可能很好看，但后续几张会出现明显差异；制作海报或故事分镜时，风格、身份甚至逻辑都难以统一。这种问题在 IP...

2026年3月，Cursor推出自研编程模型Composer 2，性能超越Claude Opus 4.6，价格大幅降低，被称为“脚踝斩”。新模型通过强化学习方法提升能力，尤其在长任务处理上表现突出。其核心创新是“自我总结”机制，使模型在复杂任务中主动压缩上下文并保留关键信息，显著减少错误和token消耗。定价方面，输入0.5美元/百万tokens，输出2.5美元/百万tokens，性价比极高。此外，Cursor还发布了更快的变体Composer 2 Fast，速度与价格优势兼备。官方透露Composer 3已在研发中，展现快速迭代能力。Cursor正从早期依赖Claude转型为独立模型提供商，未来发展备受期待。

3月18日，轻舟智航联合创始人、董事长兼CEO于骞博士在德国慕尼黑‘智能汽车与智能制造论坛’上发表演讲，提出‘世界模型+强化学习’是实现物理AI的必经之路。他指出，自动驾驶是物理AI的最佳训练场，依托世界模型与强化学习，AI可理解物理规律和社会常识决策。轻舟智航已实现辅助驾驶系统搭载量突破100万台，并在仅128TOPS算力平台上实现领先的城市NOA功能。公司计划2026年试点Robotaxi业务，2027年规模化部署。轻舟还宣布慕尼黑成为其欧洲新锚点，将中国复杂交通环境中的AI技术与德国工程底蕴结合，推动全球化布局。

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。

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。

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。