依意思最接近的 5 筆
新論文 RLTL;DR 提出一種自我改進方法：模型每次嘗試失敗後，把驗證器輸出展示給它，讓它自己寫一條 TL;DR 式反饋，下一次 rollout 以這條反饋為條件。它針對 RLVR 的侷限——RLVR 要求多次嘗試並只向成功樣本最佳化，當任務難到成功率接近零、又沒有教師模型或範例解可蒸餾時就失效。論文發布於 2026-10-01，原文摘要未給出基準或具體數字。
Latent Space 最新一期播客請到 MIT 的 Alex Zhang，聊遞迴語言模型（RLM）、AI 寫 GPU kernel 與多智慧體 swarm。據他介紹，基於 RLM 的 harness 是首個接近解出 ARC-AGI-3 的方案，早於 OpenAI 的 Astra；他還談到 OpenAI 的 1 萬 agent、1300 億輸出 token、約合 4000 萬美元的問題求解實驗。
Capcom 在 RE: 2026 開放會議上表示，正為“與 AI 共同製作遊戲的未來”做準備，計劃把 AI 技術整合進開發工作流。程式設計師 Satoshi Ishida 在演講中稱，製作《生化危機》這一量級的遊戲時，連簡單任務都極其耗時，AI 是應對方案。但 Capcom 此前曾表示不會使用 AI。
Hugging Face 後訓練團隊用 TRL 和 Harbor 框架，開源了一套在多種 coding harness 中訓練開放模型的完整指南。指南針對每個人自有的定製 harness（如 Pi 加擴充套件），給出用任意開放模型榨取最佳效能的配方，連結已公開在 Hugging Face Spaces。
NVIDIA 提出衡量 AI 工廠投資回報的三個變數：產能（每兆瓦吞吐與每 token 成本）、使用壽命和需求。它援引 SemiAnalysis AgentX 資料稱，Vera Rubin NVL72 每兆瓦吞吐量比 GB300 NVL72 高 30 倍以上，在 DeepSeek V4 Pro 上每百萬 token 成本最多低 45 倍；每兆瓦 AI 工廠造價約 6000 萬美元。