AI research and industry media source; summary-only unless authorization is obtained.
来自宾夕法尼亚州立大学和杜克大学的研究人员，联合Google DeepMind等机构，提出了LLM多代理系统中自动故障归因的问题。他们构建了Who&When基准数据集，并评估了All-at-Once、Step-by-Step和Binary Search等方法。该工作被ICML 2025接收为亮点论文，旨在帮助开发者快速定位导致故障的代理及其错误步骤。当前方法在识别责任代理上准确率仅达53.5%，在定位错误步骤上仅14.2%。
MIT发布了SEAL框架，使大语言模型能通过强化学习自我编辑和更新权重，加速了AI自我进化的进程。
针对LLM多智能体系统故障难以诊断的问题，研究人员首次定义了“自动化故障归因”任务，构建了Who&When基准数据集，并评估了三种归因方法。实验表明，即使最佳方法在识别责任智能体上准确率仅53.5%，精确错误步骤仅14.2%，任务难度较高。该研究被ICML 2025接收为亮点论文。
Adobe 研究团队与斯坦福大学、普林斯顿大学合作，提出一种结合状态空间模型（SSM）和密集局部注意力的新型架构，有效解决了视频世界模型中的长期记忆难题。通过块状 SSM 扫描方案、扩散强制训练和帧局部注意力等策略，模型在 Memory Maze 和 Minecraft 等数据集上表现出色，能够在不牺牲计算效率的前提下保持远距离帧的连贯性，为交互式应用提供了可能。
DeepSeek-V3团队发布了一篇14页的技术论文，由CEO梁文锋合著，探讨了硬件感知模型协同设计以克服扩展挑战。论文详细介绍了多头潜在注意力（MLA）、DeepSeekMoE、FP8训练和节点感知路由等创新，实现了经济高效的大规模训练和推理。
DeepSeek AI发布了DeepSeek-Prover-V2，一个针对Lean 4形式定理证明的开源大型语言模型。它采用递归证明搜索方法，结合DeepSeek-V3生成训练数据，并通过强化学习优化，在MiniF2F上取得了顶级结果。同时推出了新基准ProverBench。
Kwai AI提出的SRPO框架将LLM强化学习后训练步骤减少90%，同时在数学和代码领域达到DeepSeek-R1水平。该两阶段强化学习方法结合历史重采样，克服了GRPO的局限性。
中国AI公司智谱AI宣布开源其新一代GLM模型系列，包括推理速度达DeepSeek-R1八倍的GLM-Z1、具备自主推理能力的Rumination模型GLM-Z1-Rumination-32B-0414，以及增强智能体能力的GLM-4-32B-0414。同时推出国际平台Z.ai，并通过MaaS平台提供企业级服务。此举展示了其技术实力和全球野心，可能为潜在IPO做准备。
DeepSeek AI 发布新论文，提出自原则批评调优（SPCT）方法，旨在增强通用奖励模型在推理阶段的扩展性。同时暗示下一代模型 R2 即将到来，引发业界关注。