AGI^[4]

商汤「日日新V6.5」多模态大模型在OpenCompass评测中以82.2分超越Gemini 2.5 Pro与GPT-5，成全球领先。核心「图文交错思维链」技术贴近人类认知，优化视觉编码器与多模态网络，推理效率提升超三倍，标志中国AI在多模态通用智能领域迈入新阶段。

Meta AI提出的ExIt方法，突破传统LLM自改进效率瓶颈，融合强化学习与自动课程学习，单步训练即可支持推理多步迭代，计算成本直降40%。其核心机制包括探索性迭代扩展解空间、基于回报方差的自动课程优先级筛选高潜力任务、主动探索式RL框架优化输出。实验显示，ExIt在数学推理（GSM8K准确率92%）、竞赛任务（MLE-bench提升22%）等场景性能显著，已落地教育（个性化辅导）、科研（报告生成）、工程（代码优化）领域，为LLM自进化提供高效路径。

深度学习教父杰弗里·辛顿（Geoffrey Hinton）对通用人工智能（AGI）的立场近期发生显著转变，从警示“养虎为患”转向提出“母婴共生”理论：呼吁为AI植入“母性本能”，以守护人类为核心目标，实现互利共存。他同时强调AI风险的双重挑战：短期面临深度伪造等技术滥用威胁，长期则需警惕未来5-20年AI或因智能超越人类而主导世界。尽管聚焦风险，辛顿也看好AI在医疗领域的变革潜力，包括医学影像解读、加速药物研发、个性化医疗等五大方向，并批评当前AI企业重商业利益轻安全责任。他呼吁全球协作制定发展规范，确保技术真正造福人类。

波士顿动力Atlas人形机器人实现关键技术突破，首次通过单一AI模型同时控制行走与抓取动作，实现“手脚协同”全局决策，动态环境适应性大幅提升，树立通用型机器人算法新标杆。其核心技术采用分层强化学习架构，底层处理传感器数据生成基础动作指令，高层动态调整任务优先级；创新引入动作干扰消除算法，抓取时自动补偿重心偏移，平衡控制误差降低72%；经30万组跌倒案例仿真训练，具备“小步滑移”等自主防摔策略，动作流畅度接近人类水平。相比特斯拉Optimus模块化模型、日本JAXA地形专用模型，Atlas跨场景通用控制优势显著，未来可广泛应用于高危作业、灾后救援等领域，推动机器人技术从“专用”向“通用”演进。