模型

AB实验新突破：携程提出图贪心分流算法，解决两大核心难题

作者简介小白，携程算法工程师，关注营销定价领域。携程火车票部门为解决智行酒店商户侧AB实验中，预实验分流中遇到的分流不均、分流组流量交叉问题，提出了一种用于非用户端AB实验的分流算法，该算法通过优化的随机抽样模块与贪心交换模块，保证实验组之间多指标的相似性；通过图算法模块，降低实验组之间的流量交叉。通过实证分析，该算法一方面有效的提升了商户端实验在多指标下的分流效率；另一方面，相比于使用先验知识进行分流，显著降低了实验组之间的流量交叉。

7/11/2025 9:16:00 AM

告别数据「噪音」，UCSD大模型推理新方法DreamPRM充当「信号放大器」，登顶MathVista测评榜

DreamPRM 由加州大学圣地亚哥分校的研究团队开发，在数学推理权威测评榜MathVista上获得了第一名。第一作者为博士生 Qi Cao，通讯作者为该校副教授 Pengtao Xie，团队其他成员还包括王睿一，Ruiyi Zhang 和 Sai Ashish Somayajula。使用过程奖励模型（PRM）强化大语言模型的推理能力已在纯文本任务中取得显著成果，但将过程奖励模型扩展至多模态大语言模型（MLLMs）时，面临两大难题：由于多模态输入（图像文本）构成高维连续与离散信号的混合空间，训练数据与测试数据的分布偏移（Distribution Shift）远超纯文本场景，导致一般过程奖励模型泛化能力显著下降。

7/11/2025 9:15:00 AM

Manus跑路了吗？

Manus，真的从国内撤了？！ 4个月前一夜蹿红起飞的AI Agent产品Manus，刚被曝出背后公司一举裁掉国内七成团队。

7/11/2025 9:13:00 AM

推理与操控能力双提升！具身机器人双系统VLA模型新突破

让机器人学会聪明且快速精准执行，一直是机器人操控领域的难题。为了解决这个问题，香港中文大学、北京大学、智平方和北京智源研究院联合创新性地提出了Fast-in-Slow（FiS-VLA），即一个统一的双系统VLA模型。它通过将慢系统2最后几层的Transformer模块重新构建为一个高效的执行模块，用作快系统1，从而在一个模型中实现了快慢系统融合。

7/10/2025 2:55:12 PM

扩散语言模型写代码！速度比自回归快10倍

谁说扩散模型只能生成图像和视频？现在它们能高质量地写代码了，速度还比传统大模型更快！ Inception Labs推出基于扩散技术的全新商业级大语言模型——Mercury。

7/10/2025 2:54:13 PM

Meta发布40页报告，具身智能的下一步是「心智世界模型」：能听，能看，能理解，会共情

最近Meta动作频频。一边是老板小扎亲自下场，豪掷一亿美金挖人。另一边，自家具身智能研究同样也憋了个大的，40页长文报告。

7/10/2025 2:53:12 PM

奖励模型终于迎来预训练新时代！上海AI Lab、复旦POLAR，开启Scaling新范式

在大语言模型后训练阶段，强化学习已成为提升模型能力、对齐人类偏好，并有望迈向 AGI 的核心方法。然而，奖励模型的设计与训练始终是制约后训练效果的关键瓶颈。目前，主流的奖励建模方法包括 “基于偏好的奖励建模”（Preference-based Reward Modeling）和 “基于规则的验证”（Rule-based Verifier）两种方法。

7/10/2025 2:51:29 PM

VLA统一架构新突破：自回归世界模型引领具身智能

本文来自：王宇琪，中国科学院自动化所博士，研究方向为世界模型，自动驾驶感知与决策等，在 CVPR、NeurIPS、ICCV、ECCV、ICLR 等顶级会议上发表过多篇论文。王鑫龙团队，北京智源研究院，研究方向为原生多模态大模型，Emu 系列工作核心负责人。张兆翔团队，中国科学院自动化研究所，研究方向涵盖世界模型、视觉生成与重建、自动驾驶、具身智能等。

7/10/2025 2:50:46 PM

ICML 2025 | 给AI装上「智能升级插件」！阿里安全-清华大学D-MoLE让模型在持续学习中动态进化

本文第一作者为清华大学计算机系的硕士二年级研究生葛晨笛，研究方向为多模态大语言模型、自动机器学习和图机器学习。主要合作者为来自阿里巴巴集团安全部的樊珈珮、黄龙涛和薛晖。通讯作者为清华大学的朱文武教授、王鑫副研究员。

7/10/2025 2:50:24 PM

微软开源新版Phi-4：推理效率暴涨10倍，笔记本可运行

今天凌晨，微软在官网开源了Phi-4家族的最新版本Phi-4-mini-flash-reasoning。 mini-flash版延续了Phi-4家族参数小性能强的特点，是专门针对那些受算力、内存和延迟限制场景设计的，单个GPU可运行，适合笔记本、平板电脑等边缘设备。与前一个版本相比，mini-flash使用了微软自研的创新架构SambaY，推理效率暴涨了10倍，延迟平均降低了2—3倍，整体推理性能实现了大幅度提升。

7/10/2025 9:14:37 AM

首个GUI多模态大模型智能体可信评测框架+基准：MLA-Trust

MLA-Trust 是首个针对图形用户界面（GUI）环境下多模态大模型智能体（MLAs）的可信度评测框架。该研究构建了涵盖真实性、可控性、安全性与隐私性四个核心维度的评估体系，精心设计了 34 项高风险交互任务，横跨网页端与移动端双重测试平台，对 13 个当前最先进的商用及开源多模态大语言模型智能体进行深度评估，系统性揭示了 MLAs 从静态推理向动态交互转换过程中所产生的可信度风险。此外，MLA-Trust 提供了高度模块化且可扩展的评估工具箱，旨在为多样化交互环境中 MLAs 的持续性可信度评估提供技术支撑。

7/4/2025 4:50:07 PM