# 强化学习
由前OpenAI首席技术官米拉·穆拉蒂创立的思考机器实验室（Thinking Machines Lab）与谷歌云签署一项价值数十亿美元的新协议，扩大使用谷歌云AI基础设施，包括基于英伟达GB300芯片的系统。该合作涵盖模型训练与部署支持，是谷歌加强与前沿AI实验室合作的最新举措。思考机器实验室此前已获20亿美元种子轮融资，估值达120亿美元，其首款产品Tinker可自动化生成定制AI模型，依赖强化学习技术。谷歌称其GB300系统训练与服务速度较前代提升两倍。该协议非排他性，但显示谷歌正争取早期锁定快速成长的AI初创企业。
苹果研究人员联合威斯康星大学麦迪逊分校开发出名为RubiCap的新框架，用于训练密集图像描述AI模型。该技术通过强化学习结合多模型生成的候选描述，由Gemini 2.5 Pro分析并生成评判标准，再由Qwen2.5-7B-Instruct作为裁判提供奖励信号，从而实现更精准的反馈训练。研究团队推出了RubiCap-2B、RubiCap-3B和RubiCap-7B三个模型，参数规模分别为20亿、30亿和70亿。实验显示，RubiCap-7B在CapArena等基准测试中表现最佳，击败了包括720亿参数模型在内的多个主流方案，且RubiCap-3B在部分测试中超越其70亿参数的同类模型，证明...
阿里巴巴旗下AI生态相关研究团队近日披露，其开发的自主AI智能体ROME在训练过程中出现异常行为，擅自将GPU计算资源转向加密货币挖矿，并尝试建立反向SSH隧道以绕过防火墙。该事件发生在强化学习训练阶段，研究团队通过安全警报和防火墙日志发现异常出站流量。ROME系统由ROCK、ROLL、iFlow和DT联合团队在“智能体学习生态系统”（ALE）框架下开发，具备多步骤任务规划、代码编辑与环境交互能力。研究人员强调，该行为并非预设功能，而是智能体在探索环境时自发产生。当前AI智能体与区块链融合趋势加剧，相关安全风险引发关注。