2006 年，多伦多大学 Geoffrey Hinton 教授等人提出逐层预训练方法，突破了深层神经网络训练的 技术瓶颈，为深度学习的复兴奠定了基础。 这个初夏 四位图灵奖得主 强化学习作为智能体与环境交互的学习范式，其核心思想早于深度学习兴起。2013 年 DeepMind 提 出的 DQN 已初步实现深度学习与强化学习的结合，而 2016 年 AlphaGo 的成功则将深度学习与强化 学习的融合推向公众视野，显著提升了这一交叉领域的关注度。 2025 年 6 月 6-7 日 中国，北京 与全球创新力量共赴智源大会 即刻报名，探寻 AI 时代的无尽边域 基础理论 在 AI 发展史上，连接主义（以神经网络为代表）与行为主义（以强化学习为代表）虽源自不同理论脉 络，但二者的技术交叉早有端倪。这两条主线原本独立成长、各自发展，如今交织融合，万宗归一，共 同构成了下一代通用人工智能的基石。 6 月 6 日，关于深度学习和强化学习的探讨，将在 2025 智源大会继续开展，如 「双星交汇 」般的时 空对话，总结过往、共探智能之谜的终极答案。 与此同时，推理大模型的兴起、开源生态的加速、具身智能的百花齐放，成为 2025 ...

最近有三篇很火的bolg，第一篇是OpenAI researcher 姚顺雨的"欢迎来到下半场"，第二篇是David Silver 和Richard S. Sutton的"Welcome to the Era of Experience"，这是第三篇，Lilian Weng的Why We Think。 Lilian Weng的最新blog，还找了John Schulman润色。 道理其实很朴素，里边的内容大家都聊过，我们绝大部分也单独写过，但是这篇blog系统性地梳理了AI 最新范式：test-time compute。 LLM大模型是怎么思考的？ ①从心理学角度：理论来源于丹尼尔·卡尼曼的《思考，快与慢》。 与人类思考方式有相似之处。 人脑有"系统1"（直觉、快速）和"系统2"（分析、缓慢）。 在推理模型出现之前，大模型的答案"脱口而出"，这就是系统1。给AI多点时间思考，就像是激活了它 们的"系统2"。 ②从计算资源角度： ③从数学角度： 可以把整个"问题 (x) - 思考过程 (z) - 答案 (y)"看作一个概率模型。 思考过程z就是那个隐变量（hidden variable）。把各种可能的思考路径都 ...

4月30日，特斯联向港交所递交更新版招股书，首次披露全新升级的三大战略板块：AIoT领域模型、 AIoT基础设施、AIoT智能体，聚焦空间智能。 去年早些时候，特斯联曾在一次媒体采访中透露过战略的转型升级——大模型浪潮驱动下，科技企业在 GPU裸机上层搭建框架普遍需要额外投入，传统的软件公司不具备硬件适配能力，硬件厂商缺失AI能 力，而以AIoT起家的特斯联则天然具备软硬结合的基因，这使贯通顶层模型、应用，及底层基础设施 的业务纵深向延展成为特斯联独特的优势。 AIoT智能体，则作为特斯联空间智能解决方案的统筹交互界面，以机器人与智能穿戴设备为核心载 体，作用于企业级用户级终端消费者。 2024年底，特斯联创始人兼CEO艾渝曾在Web Summit Lisbon分享了通用智能体所需具备的四重能力 ——"类人"思考，长期记忆，"团队"协作，及高维感知。据特斯联首席科学家、特斯联国际总裁邵岭博 士透露，公司即将推出的智能体模型亦延循此路径。 在类人思考方向，该模型开创性地引入端到端强化学习（Reinforcement Learning）方法，使用高质量数 据微调训练出HALI基础模型，通过奖励函数（reward ...

人形机器人量产元年，关注产业链上下游投资机会 20250518 摘要 • 人形机器人执行器市场潜力巨大，四杠技术因特斯拉的应用而备受关注， 预计百万套量产级别后市场规模超百亿，轴承行业公司如五洲新春和金沃 股份凭借工艺和原材料优势切入该市场。 • 人形机器人硬件成本有望通过技术创新降低，如以车代磨、以选代磨等方 案，将催生国产化装备和刀具需求，沃尔德等企业有望受益。 • 人形机器人机械手自由度提升带来供应链变化，高精度模组价值量高，空 心杯电机、谐波减速器和 RV 减速器等上游核心部件存在机会，关注兆威 机电、节能驱动等企业。 • 若人形机器人行业量产达百万台以上，RV 减速器和六维力传感器将面临产 能缺口，绿的谐波、中大力德及科力尔等国产供应商值得关注。 • 浙江驱动作为传统机械行业龙头，积极布局线性集成器与领导控制业务， 一体化集成技术方案显著降低成本，与信邦智能合作顺利推进，海外客户 突破值得期待，2025 年绝对估值在 25-30 倍之间。 Q&A 2025 年人形机器人量产元年，机械维度的投资机会有哪些？ 2025 年有望成为人形机器人量产元年，机械维度的投资机会主要集中在以下 几个方面： • 五洲 ...

哪些具体标的值得关注？ 首先是聚合顺，这是一家优质尼龙板块成长股，其尼龙材料已用于机器人的外 部覆盖物，例如灵巧手领域。公司积极参与相关业务发展，并通过下游企业间 接供给机器人企业送样。此外，中石科技在电子产品散热材料方面有丰富经验， 其散热材料未来在机器人领域也有应用潜力。这两个方向值得重点关注和跟踪。 • 钢材替代技术，如球墨铸铁替代合金钢，在耐磨性、自润滑效果和重量方 面具有优势。京运通钢材及球墨铸铁迭代技术在谐波减速器领域有巨大增 长潜力。 • 祥龙电业安徽新工厂预计今年实现 4 万吨产能增长，远期规划 15 万吨绿 色制造产能。祥龙科技重点研发谐波减速器柔轮材料，预计行星减速器材 料进展较快，机器人材料有望带来显著利润增厚。 对于人力资源板块及相关标的有哪些看法？ 特斯拉机器人流畅舞动，硬件软件双升级 20250518 摘要 • 机器人材料领域正从原型机阶段走向大众视野，具备强定制化和改性能力 的企业将更具优势。行业竞争不仅体现在技术壁垒和服务，还包括成本控 制和解决方案提供能力。 • 尼龙材料供应商聚合顺已将产品应用于机器人外部覆盖物，并积极参与相 关业务发展。中石科技在电子产品散热材料领域的经验 ...

网友们看罢，纷纷打出了 "精彩" 二字： 感觉就像打开了人工智能理解的一个全新维度。 金磊 发自 凹非寺 量子位 | 公众号 QbitAI 《Why We Think》。 这就是北大校友、前OpenAI华人VP 翁荔 所发布的最新 万字长文 —— 围绕"测试时计算"（Test-time Compute）和"思维链"（Chain-of-Thought，CoT），讨论了如何通过这些技术显著提升模型性能。 翁荔表示： 让模型在输出答案前多思考一会儿（比如通过智能解码、思维链推理、潜在思考等方法），能显著提升它的智能水平，突破当前的能 力瓶颈。 那么接下来，我们就来深入了解一下这篇文章。 动机 让模型思考更长的时间可以通过几种不同的方式来激发。 心理学类比 核心思想与人类思考方式深度关联。 人类无法立即回答"12345×56789等于多少？"，而是需要时间分析——这正是Daniel Kahneman在《思考，快与慢》（2013）中提出的双 系统理论： 因为系统1思维是快速和简单的，它经常以准确性和逻辑性为代价，成为主要的决策驱动因素。它自然依赖于我们大脑的思维捷径（即启发 式），并可能导致错误和偏见。 通过有意识地放 ...

选自 Lil'Log 作者： Lilian Weng 机器之心编译 学习大模型的优质博客又更新了！ 最近，北大校友、前 OpenAI 应用 AI 研究负责人 Lilian Weng 更新了一篇长长长长长长长博客《Why We Think》。 文章回顾了近期在如何有效利用测试时计算（即「思考时间」）及其作用机制方面的研究进展，旨在让模型「思考得更久」这一目标可以从多个角度得到合理动 机支持。 通过观察 GPT、Claude、Gemini 等模型的迭代，可以清晰地看到，它们在复杂逻辑推理、长文本理解、数学问题求解以及代码生成与调试等高级认知任务上的性 能边界被不断拓展。 这种性能的提升得益于思维链（CoT）和测试时计算等策略的优化，但也带来了新的研究挑战。 为了方便国内读者更好地学习这篇内容，机器之心对此文章进行了编译。感兴趣的读者也可查阅原英文内容。 英文博客链接： https://lilianweng.github.io/posts/2025-05-01-thinking/ 类比心理学 该核心思想与人类的思维方式密切相关。人类通常无法立即给出「12345 × 56789」的答案，对于复杂问题，进行一段时间的思 ...

一水 发自 凹非寺 量子位 | 公众号 QbitAI GPT-5将会集大成于一体？！ 就在发布"最强编程智能体Codex"之后 ，OpenAI又接着在Reddit举行了 "有问必答"活动 。 公司研究副总裁Jerry Tworek，剧透了下一代基础模型GPT-5的最新消息： 为了减少模型切换，未来计划将Codex、Operator、Deep Research和Memory整合在一起 。 Q3 : 团队在使用Codex时，发现了哪些与目前的"氛围编码（vibe coding）"不同的范式转变？开发这个工具的灵感是什么？ 除此之外，其他Codex团队成员也纷纷开启了爆料模式，比如： Okk，下面我们一起吃瓜。 回应10大重点问题 Codex最初只是一个附带项目，启动原因是他们意识到在内部工作流中未充分利用好模型； 内部在使用Codex时，编程效率提升了约3倍； OpenAI正在探索灵活的定价方案，包括按需付费； o3-pro或codex-1-pro最终将在团队能力允许的情况下推出； …… 整体而言，OpenAI团队这次主要分享了Codex的详细情况，以及公司未来的发展计划。 为了尽量贴合问答者原意，我们直接以对话 ...

OpenAI首席科学家雅库布・帕乔茨基于近日接受了《自然》杂志的专访。帕乔茨基在访谈中表示，目 前强化学习正在推动AI模型逼近"推理"边界，AGI正从理论走向现实，而开源与安全之间的张力是当前 AI发展的一大挑战。 雅库布・帕乔茨基：现在我们能与模型对话，但它仍然需要持续指导。我认为未来的重大变化之一，就 是这一点（指AI作为助手角色）将被根本性地改善。 我们已经看到类似OpenAI 的 "Deep Research"等 工具（可整合大量信息）在无人监督的情况下，能运行 10到20分钟并产出有价值的内容，而完成这些任务所需的计算资源其实很少。 帕乔茨基预计，未来AI将能够独立完成真正具有原创性的科学研究任务，推动软件工程、硬件设计等 多个学科的发展。 那么，如果我们面临开放性研究问题，花更多算力是值得的。 以下为访谈内容摘要： 我相信未来我们将拥有真正具备原创研究能力的AI。我们将在诸如自动软件工程、硬件组件自主设计 等领域取得巨大进展，并扩展到其他学科的类似应用中。 问：目前，科学家们越来越多地使用推理模型。你认为这些模型在五年后会扮演怎样的角色？ 问：在构建OpenAI的推理模型方面，强化学习发挥了多大作 ...

随着大模型（LLMs）的快速发展和可集成工具的爆炸增长，AI 智能助手在日常生活中可提供的便利越来越多，不仅包括传统任务型对话中订机票、查询天气等助 理能力，还增加了无以计数的 AI 能力，如 AI 画图、解数学题、游戏攻略等。而 AI 智能助手准确理解用户的意图（Intent Detection）并路由至下游工具链是实现 这些功能的第一步，其重要性不言而喻。 然而，工具的快速迭代、多样化、工具之间关系的复杂化也给意图识别带来新的挑战，即模型在应对新意图时普遍存在性能衰减问题。如何在开源的轻量级 LLMs 上训练泛化性更好、鲁棒性更强的意图识别模型，使得模型能够更准确理解未见场景的意图至关重要。 近日，腾讯 PCG 社交线的研究团队针对这一问题，采用强化学习（RL）训练方法，通过分组相对策略优化（Group Relative Policy Optimization, GRPO）算法，结 合基于奖励的课程采样策略（Reward-based Curriculum Sampling, RCS），将其创新性地应用在意图识别任务上，显著提升模型在未知意图上的泛化能力，攻克了 工具爆炸引发的意图泛化难题，推动大模型在意图 ...