強化學習

Cloudflare 推出 Clef、開源決策模型與 RL 微調平台，顯示其正朝著為開發者提供可訓練 AI 控制系統的方向發展。

NVIDIA 的 COMPASS 教學示範 AI 代理如何自動化模擬、殘差強化學習與評估，支援跨平台機器人導航。

NVIDIA 表示，RLVR 與 GRPO 已可實際用於企業 AI 代理，並將 Nemotron 3 Super 與 NeMo RL 串聯到特定領域的可靠性提升上。

General Intuition 已籌集 3.2 億美元，以擴展透過數百萬小時遊戲內容訓練出的 AI，並押注動作資料能幫助 AI 發展對真實世界的推理能力。

前 Google DeepMind 研究員 David Silver 為其在倫敦的創業公司 Ineffable Intelligence 正在籌集由紅杉資本領投的創紀錄 10 億美元種子輪，該公司旨在使用強化學習而非大型語言模型來構建超級智能。