10月14日，据TrendForce集邦咨询调查显示，AI推理应用正快速推动实时存取与高速处理海量数据的需求，促使存储行业加速向大容量产品转型。HDD市场面临供应缺口，NAND Flash供应商积极转进122TB甚至245TB的超大容量Nearline SSD生产，以填补需求空白。这一技术转型缓解了市场对未来需求不确定性的担忧，同时显示出AI发展对存储行业的深远影响。

缺数据也能拿SOTA？清华&上海AI Lab破解机器人RL两大瓶颈 视觉-语言-动作（VLA）模型是实现机器人复杂操作的关键，但其训练面临数据采集成本高和泛化能力不足的瓶颈。为此，研究团队提出了SimpleVLA-RL框架，基于veRL扩展，通过交互式轨迹采样、结果奖励建模和探索增强等设计，...

据《科创板日报》22日报道，TrendForce研究显示，未来两年AI基础设施将聚焦高效推理服务。因大容量HDD供不应求，CSP业者转向NAND Flash供应商，推动专为AI设计的Nearline SSD需求激增。随着AI推理应用扩展，此需求将持续至2027年，预计2026年Enterprise SSD供应趋紧。

财联社9月15日电，TrendForce集邦咨询最新研究显示，AI技术驱动的庞大数据量正对全球数据中心存储设施形成冲击。传统用于海量数据存储的Nearline HDD（近线硬盘）已出现严重缺货问题。在此背景下，高效能但成本较高的SSD逐步成为市场焦点，特别是大容量QLC SSD备受关注。预计到2026年，QLC SSD出货量有望迎来爆发性增长，满足数据中心日益增长的存储需求。

正文：2025年9月，上海交通大学与字节跳动联合推出强化学习加速框架RhymeRL，训练速度提升2.6倍。研究发现，模型生成答案在相邻训练周期中存在序列和长度分布相似性，基于此提出HistoSpec和HistoPipe两大核心技术。HistoSpec通过复用历史响应优化Token生成效率，HistoPipe利用跨步互补调度减少GPU资源浪费。实验表明，该框架在数学、代码等任务上显著提升端到端吞吐量，且精度无损。研究成果已发布于arXiv，为强化学习训练提供了新范式。

正文：2025年8月11日，科技公司OpenPipe发布全新开源强化学习框架MCP·RL，专为AI在MCP（多工具协作平台）中自动发现和调用工具设计。该框架无需人工配置工具、编写提示或标注数据，AI可自主生成任务并通过闭环反馈优化策略。实测显示，MCP·RL在2/3的基准测试中达到或超越当前最佳性能（SOTA），效果优于GPT等模型。其训练流程包括工具发现、任务生成、实战训练及泛化测试，显著降低复杂任务的配置成本。MCP·RL是基于ART（Agent Reinforcement Trainer）系统的最新项目，适用于任何Python应用，开箱即用。此前，ART曾成功提升Qwen 2.5-14B在电子邮件检索任务中的表现。参考链接：[1] [2]

2025年7月，IMO赛场上演AI巅峰对决。7月19日，顶尖大模型几乎全军覆没；两天后，OpenAI和DeepMind等实验室斩获5/6题。7月23日，哈佛与UCLA学生用Gemini 2.5 Pro+多轮验证框架发布论文并开源代码。次日，蚂蚁AWorld团队仅用6小时复现DeepMind成果，开源一键运行的多智能体IMO系统。实验表明，多智能体协同能超越单模能力，解决复杂IMO问题，并提出构建最优输入、实现元认知等理论支持。AWorld采用事件驱动架构，具备模型即插即用、全链路可观测性等优势。团队透露，未来将测试“多智能体+形式化验证”组合，目标直指Lean4形式化证明。IMO或成人类最后一次战胜AI的机会。

MiniMax M1全球技术闭门会探讨了RL、混合架构及长上下文的前沿话题。 RL能否赋予模型新能力？ RL在有限上下文长度下能提升模型能力，通过改变输出分布优化性能。例如，预训练需10万token解决的问题，经RL可能仅需1万token。然而，Reward Modeling仍是核心瓶颈，尤其是非结...

7月19日，开源网络工具cURL开发者Daniel Stenberg透露，因被AI生成的虚假漏洞报告轰炸，cURL考虑停止其安全漏洞赏金项目。自2019年以来，该项目已为81名安全漏洞发现者发放9万美元奖励（约合64.7万元人民币）。然而，近期不怀好意者利用AI工具批量生成‘垃圾漏洞报告’，上周报告量激增至平时8倍，且大部分内容不实。cURL安全团队仅7人，需耗时30分钟至3小时逐一核实漏洞真实性，导致时间和精力严重浪费。Daniel Stenberg警告，若情况无法改善，可能取消该赏金项目。

2025年7月，腾讯混元数字人团队发布RLVER框架，突破开放域强化学习（RL）难题。该框架通过构建“环境+奖励”一体化的用户模拟器，解决了真实交互中情商优化的三大困境：环境、奖励和训练难题。经RLVER训练的Qwen2.5-7B模型，在情感对话基准Sentient-Benchmark上的得分从13.3跃升至79.2，表现比肩GPT-4o和Gemini 2.5 Pro等顶级模型，同时避免了通用能力衰退。研究还揭示“思考式”与“反应式”模型的不同路径，以及温和训练环境对早期成长的重要性。相关论文已发布，代码与模型开源。