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。

7月9日，Meta(META.US)股价涨近2%，报734.34美元。消息称，Meta斥资30亿欧元（约35亿美元）收购雷朋眼镜母公司EssilorLuxottica约3%股权，加码AI智能眼镜业务。知情人士透露，Meta正考虑未来将持股比例提升至约5%，但计划仍可能调整。Meta首席执行官扎克伯格表示，智能眼镜是公司发展人工智能与沉浸式体验的重要载体。

6月10日，Meta公司推出LlamaRL强化学习框架，采用全异步分布式设计，在405B参数模型上将强化学习步骤时间从635.8秒缩短至59.5秒，速度提升10.7倍。强化学习通过反馈调整输出，已成为大语言模型优化性能的关键部分。然而，其高资源需求一直是个难题。LlamaRL基于PyTorch构建，通过独立执行器并行处理生成、训练和奖励模型，大幅减少等待时间。该框架利用NVIDIA NVLink技术和分布式直接内存访问（DDMA），使405B参数模型权重同步仅需2秒。测试显示，LlamaRL在8B、70B和405B模型上的训练时间分别缩短至8.90秒、20.67秒和59.5秒，性能稳定甚至有所提升，解决了内存限制和GPU效率问题，为大语言模型训练提供了高效解决方案。

6月4日，英伟达推出ProRL强化学习方法，通过延长训练至超2000步并扩展多领域数据（数学、编程、STEM等共13.6万样本），成功开发出全球最佳的1.5B参数推理模型Nemotron-Research-Reasoning-Qwen-1.5B。该模型在多项基准测试中表现优异，尤其在数学领域提升15.7%，编程任务pass@1准确率提升14.4%，STEM推理及指令遵循分别提升25.9%和22.0%，逻辑谜题奖励值提升54.8%，展现强大泛化能力。此前，强化学习在推理模型中的应用受限，现有方法如RLVR未显著优于基础模型。英伟达采用verl框架和改进GRPO方法实现突破。

标题：GPT-4o解验证码成功率仅40%？MetaAgentX发布Open CaptchaWorld平台 MetaAgentX团队推出Open CaptchaWorld，首个专注多模态Agent解验证码能力的研究平台。实测显示，人类解题成功率为93.3%，而顶级多模态模型平均成功率仅5%-40%...

标题：虚假奖励竟能提升Qwen性能25%！ 即使使用错误的奖励信号，Qwen的性能也能显著提升？华盛顿大学的博士生团队发现，使用Qwen模型（尤其是数学版本），对虚假奖励进行强化学习（RLVR），依然能让MATH-500的准确率提高约25%。团队实验表明，RLVR通过激活预训练中的推理能力提升性能，...

首个视觉RL统一框架！推理感知两手抓，性能横扫MEGA-Bench 仅需一个强化学习（RL）框架，就能实现视觉任务大统一？现有RL对推理和感知任务只能二选一，但“大模型六小强”之一MiniMax表示：我全都要！ 最新开源的V-Triune（视觉三重统一强化学习系统）框架，使视觉语言模型（VL...

5月28日消息，腾讯云今日上线CloudBase AI ToolKit，推出国内首个面向智能编程的后端服务，该平台是国内首个适配主流AI编程工具的Serverless开发平台。随着AI写代码逐渐普及，如何让AI生成的代码稳定运行成为技术挑战。AI ToolKit致力于让AI成为开发者的得力助手，实现从代码编写到日志管理的全流程自动化，包括代码结构识别、资源配置、部署上线及故障修复等环节。目前，该工具已适配Cursor、CodeBuddy等主流AI编程工具，支持快速上手和运行。同时，CloudBase AI ToolKit已在GitHub和CNB开源仓库发布，提供多种配置文件供开发者下载使用。腾讯云强调，未来开发不仅追求效率，更需注重完整性，而这正是AI与云计算结合所能提供的答案。