AI导航

上海人工智能实验室主任周伯文在AAAI 2026提出，科学智能（AI4S）需从1.0迈向2.0（AGI4S），核心路径是“通专融合”，即构建能动态结合广泛知识（通才）与深度专业推理（专才）的智能。他介绍了实现该愿景的“智者”SAGE三层技术架构（基础、融合、进化），以及基于此研发的“书生”科学大模型Intern-S1和全流程科学发现平台Intern-Discovery。这些进展旨在将AI从点状工具升级为能驱动全周期科学发现的“革命性伙伴”，并呼吁全球合作者共同探索这一前沿领域。

本文介绍了一项由多所顶尖大学联合提出的“最大似然强化学习”突破性研究。该研究指出，传统强化学习仅优化了最大似然目标的一阶近似，存在根本局限。MaxRL通过将问题重新形式化为潜变量最大似然优化，并引入以计算量为索引的目标函数族，使训练目标能随算力增加逐步逼近真实最大似然。实验证明，该方法在代码生成、数学推理等任务上，相比现有方法在训练与测试效率上均有显著提升，最高可达20倍，为不可微的采样学习问题提供了更本质的解决方案，可能重塑AI训练范式。