马斯克预告下周将推Grok 4.6模型，改进AI监督微调和强化学习

针对编程示例任务中缺乏过程监督的问题，提出PRM-PBE框架，通过反馈引导构建推理树生成过程监督数据，训练过程奖励模型评估中间推理步骤，并采用三阶段课程学习与PPO优化。在多个基准上，以DeepSeek-Coder-V2为基础模型，Pass@1提升至56.61%，显著优于现有方法。

6月29日，地平线正式推出了全场景辅助驾驶系统HSD V2.0版本。这不仅是HSD发布以来最大规模的OTA升级，更是一次从底层能力到用户体验的全方位进化——横跨6大维度，带来18项新增功能和25项体验优化。核心能力总结起来就八个字：“任意点到点，全维防碰撞”。可以说，这为一段式端到端系统持续进化，树

地平线HSDV2.0将端到端强化学习与世界模型深度整合，实现智驾从被动响应到主动预判的跨越。扩展OCC技术至AEB、AES等场景，统一底座模型精准识别各类障碍物。环境响应时延较行业均值快34%，77%用户主动选择该系统，智驾里程占比近50%，系统具备自主进化能力。

奇瑞iCARV27推送地平线HSDV2.0OTA升级，新增点对点智驾、全场景主动避险及高效泊车功能，征程6P芯片效率提升，支持AI定制SR皮肤。数据显示，77%用户选择HSD版本，智驾使用率达85.14%。

2024年图灵奖得主萨顿预测，2030年出现人类水平通用人工智能的概率为25%，届时仅需约1000美元即可获得人脑级算力。他呼吁回归智能本质研究，强调强化学习需通过实时交互实现长期收益最大化，而非依赖静态数据。

CMake已成为现代C++工程基础设施，官方完善了学习资源，提供从入门到精通的系统化路径。Kitware提供培训和高级支持，针对构建系统迁移、优化及企业流程规范。学习资料应分层，结合工具使用、工程规范与CI流程，以发挥CMake价值。

强化学习之父RichardSutton宣布创立OakLab，旨在打造能从自身经验持续学习、实时进化的AI系统，挑战当前大语言模型范式。他认为LLM依赖人类数据而非经验，真正的智能需通过试错产生新发现。OaK架构基于选项与知识，但面临灾难性遗忘等技术瓶颈。

先说个有意思的场景：7月23日下午2点，上海创智学院102多功能厅外，63位少年早已坐得笔直，眼神里满是期待和兴奋。当一位穿着花衬衫的熟悉身影出现在门口时，掌声毫无预兆地炸开了。 来的是理查德·萨顿——“强化学习之父”，2024年图灵奖得主。刚刚结束2026年世界人工智能大会的紧张日程，他把半小时的

新京报贝壳财经讯 6月15日，均普智能放了个大招——旗下宁波具身智能机器人创新中心、博登智能和上海交通大学MINT实验室联手，正式开源了全球首个面向真实机器人强化学习（RW-RL）的大规模数据集RW-RL-Dataset首批数据。这事儿在圈内引起了不小的关注。 这个数据集打破了传统机器人数据只记录“

浙江大学联合HomologyAI提出情境信念管理（CBM）概念，设计BeliefTrack测评系统，发现顶尖AI模型在长对话中信念管理失败率高达20%以上。通过强化学习训练，模型证据追踪能力大幅提升，失败率降至0%且可迁移至未见场景，同时不影响通用能力。