AI僅花8000美元打敗Stratego棋王
MIT、CMU、紐約大學與史丹佛團隊打造的AI「Ataraxos」以15勝1敗4和擊敗Stratego史上戰績最強的選手，訓練成本不到8000美元。
強化學習 資訊與深度分析
收錄 強化學習 相關產品動態與產業觀察，共 12 篇文章。
小米回顧MiMo重複呼叫，修復僅9萬美元
小米MiMo團隊把編程代理裡模型反覆發出相同工具呼叫的毛病，追到強化學習訓練階段的漏洞，最終只花約9萬美元修好，而不是原本估算的231萬美元。
DeepSeek公開沙盒架構，單日跑300萬個
DeepSeek發表論文揭露訓練AI代理人所用的沙盒基礎設施DSec，單日啟動約300萬個沙盒，尖峰同時執行數達38萬。
小米開源MiMo-V2.6，智慧指數46分
小米開源MiMo-V2.6，六天投入約350萬美元做強化學習，換來智慧指數46分，登上開源模型榜首。
Hugging Face用178張圖訓練水彩AI
Hugging Face公開完整訓練紀錄：只靠178張人工評分的參考圖與GRPO強化學習，就教會一個寫程式的模型畫水彩，整個專案的算力成本落在幾百美元量級。
RLinf v0.3打通機器人訓練閉環
RLinf v0.3 把資料採集、SFT、強化學習、評測與真機部署接成更完整的具身 AI 訓練流程。
Oak Lab：為持續學習智能體提出20瓦目標
Oak Lab為持續學習智能體提出20瓦目標。本文整理已核驗事實，以及它為何不只是單一發布消息。
Sutton 稱生成式 AI 不能單靠讀文字做真正科學
這位強化學習先驅認為，下一詞預測模型缺少因果、實驗與自我經驗。
AlphaGo 之父融資 11 億美元打造自學 AI
David Silver 的新公司 Ineffable Intelligence 在種子輪融資 11 億美元，估值達 51 億美元，創下歐洲創投史上最大種子輪紀錄。這位前 DeepMind 研究員計劃透過強化學習打造「超級學習者」AI，與當前主流的大型語言模型路線截然不同。
Mira Murati 新公司 14 個月估值達 120 億美元
前 OpenAI 技術總監 Mira Murati 創立的 Thinking Machines Lab，與 Google Cloud 簽訂數十億美元 GB300 合約，成立僅 14 個月估值已達 120 億美元。
Sony Ace 乒乓球機器人競技中首勝人類
Sony AI 的 Ace 機器人在真實比賽中擊敗業餘菁英與職業聯賽選手，這是機器人首次在真實競技運動中達到菁英級表現。
Kimi K1.5 驗證強化學習驅動推理
月之暗面在 K2 之前發佈的 K1.5，核心在於用純強化學習來提升推理能力，驗證了該方法在中規模模型上的可行性，為後續更大規模模型奠定技術基礎。