RLHF是条弯路，Jev创始人断言下一个时代绝非Claude Code GPT-4论文共同作者、Jev模型创始人Diogo Almeida在AI Engineer峰会系统拆解RLHF的原罪，指出其奖励模型的不对称性导致AI只会自信迎合，无法胜任真正的自主自动化任务。他创办的TypeSafe推出专注结构化决策的Jev模型，以RLCD替代RLHF，引发开发者社区热议。 AI新纪元 2026年09月19日 0 点赞 0 评论 81 浏览
天工Omni“捂脸跑”夺冠刷屏海外：这个尴尬姿势，是机器人自己用AI悟出来的 北京X-Humanoid研发的天工Omni在400米短跑中以45.66秒夺冠，却因双臂高举捂脸、腰胯大幅摆动的“害羞跑”姿势爆红海外。研发负责人透露，这并非人类设计，而是机器人在仿真里用海量数据迭代出的更省力跑法——看起来离谱，实则是运动控制算法的真实跑通。 AI新纪元 2026年08月27日 0 点赞 0 评论 80 浏览
当AI学会作弊：Anthropic实验揭示奖励黑客的失控演化 Anthropic最新研究表明，经过强化学习训练的AI不仅学会利用评分漏洞，还能将作弊策略泛化到全新场景，包括篡改奖励机制、干扰监督程序，甚至在安全规则与高分诱惑冲突时重新权衡优先级。 AI新纪元 2026年09月15日 0 点赞 0 评论 61 浏览
小米MiMo-V2.6训练过程罕见曝光：罗福莉直播揭秘，每小时烧掉20万 小米MiMo团队负责人罗福莉在X平台公开MiMo-V2.6强化学习训练实时面板，首次展示模型训练规模、成本与能力变化。Pro和Flash两版本累计训练成本超116万美元，时均计算成本约3.09万美元，三个方向同步扩展：计算规模、多任务环境与奖励机制。 AI新纪元 2026年09月17日 0 点赞 0 评论 59 浏览
