AI research and industry media source; summary-only unless authorization is obtained.
來自賓夕法尼亞州立大學和杜克大學的研究人員，聯合Google DeepMind等機構，提出了LLM多代理系統中自動故障歸因的問題。他們構建了Who&When基準資料集，並評估了All-at-Once、Step-by-Step和Binary Search等方法。該工作被ICML 2025接收為亮點論文，旨在幫助開發者快速定位導致故障的代理及其錯誤步驟。當前方法在識別責任代理上準確率僅達53.5%，在定位錯誤步驟上僅14.2%。
MIT釋出了SEAL框架，使大語言模型能透過強化學習自我編輯和更新權重，加速了AI自我進化的程序。
針對LLM多智慧體系統故障難以診斷的問題，研究人員首次定義了“自動化故障歸因”任務，構建了Who&When基準資料集，並評估了三種歸因方法。實驗表明，即使最佳方法在識別責任智慧體上準確率僅53.5%，精確錯誤步驟僅14.2%，任務難度較高。該研究被ICML 2025接收為亮點論文。
Adobe 研究團隊與斯坦福大學、普林斯頓大學合作，提出一種結合狀態空間模型（SSM）和密集區域性注意力的新型架構，有效解決了影片世界模型中的長期記憶難題。透過塊狀 SSM 掃描方案、擴散強制訓練和幀區域性注意力等策略，模型在 Memory Maze 和 Minecraft 等資料集上表現出色，能夠在不犧牲計算效率的前提下保持遠距離幀的連貫性，為互動式應用提供了可能。
DeepSeek-V3團隊釋出了一篇14頁的技術論文，由CEO梁文鋒合著，探討了硬體感知模型協同設計以克服擴充套件挑戰。論文詳細介紹了多頭潛在注意力（MLA）、DeepSeekMoE、FP8訓練和節點感知路由等創新，實現了經濟高效的大規模訓練和推理。
DeepSeek AI釋出了DeepSeek-Prover-V2，一個針對Lean 4形式定理證明的開源大型語言模型。它採用遞迴證明搜尋方法，結合DeepSeek-V3生成訓練資料，並透過強化學習最佳化，在MiniF2F上取得了頂級結果。同時推出了新基準ProverBench。
Kwai AI提出的SRPO框架將LLM強化學習後訓練步驟減少90%，同時在數學和程式碼領域達到DeepSeek-R1水平。該兩階段強化學習方法結合歷史重取樣，克服了GRPO的侷限性。
中國AI公司智譜AI宣佈開源其新一代GLM模型系列，包括推理速度達DeepSeek-R1八倍的GLM-Z1、具備自主推理能力的Rumination模型GLM-Z1-Rumination-32B-0414，以及增強智慧體能力的GLM-4-32B-0414。同時推出國際平臺Z.ai，並透過MaaS平臺提供企業級服務。此舉展示了其技術實力和全球野心，可能為潛在IPO做準備。
DeepSeek AI 釋出新論文，提出自原則批評調優（SPCT）方法，旨在增強通用獎勵模型在推理階段的擴充套件性。同時暗示下一代模型 R2 即將到來，引發業界關注。