Recursive Superintelligence（RSI）是一家新成立的AI公司，获得6.5亿美元融资，估值46.5亿美元。创始团队由8位顶尖科学家组成，目标是开发自我改进的AI系统，自动化科学研究，特别是在药物研发和材料科学领域。RSI希望通过递归自我改进，解决AI行业的增长瓶颈，推动下一次能力跃迁。

Meta首席执行官扎克伯格批准裁员约600名AI部门员工，主要集中在“超智能实验室”。此次裁员旨在提升团队效率，反映AI领域的战略调整与市场压力。新招募的顶尖人才未受影响，显示出对新人的重视，裁员也引发行业人才争夺，凸显AI人才市场供需失衡。

Meta FAIR与加州大学伯克利分校研究团队提出了新基准ColBench，并开发了多轮强化学习算法SWEET-RL，旨在提升大型语言模型在复杂协作任务中的表现。该算法通过直接学习每轮的优势函数，显著提高了智能体在编程和设计任务中的成功率。

Meta提出的CoCoMix框架结合稀疏自编码器和连续概念，提升了大型语言模型（LLMs）的性能，减少了21.5%的训练token，显示出更高的采样效率和可解释性。

研究者提出了一种新方法Coconut，通过在潜在空间中推理，提升了大语言模型（LLM）的推理能力。该方法直接利用最后的隐藏状态作为输入，避免了传统语言空间的限制。实验结果显示，Coconut在数学和逻辑推理任务中表现优于基于语言的推理方法，尤其在复杂规划任务中更具优势。

Meta FAIR团队提出Dualformer，一种受人类认知理论启发的新型Transformer架构。它结合快速直觉的系统1和深思熟虑的系统2，通过随机化推理轨迹训练，在推理时选择快速或慢速模式，提高效率和能力。实验显示，Dualformer在迷宫和推箱子任务中优于基线模型，并在数学推理中表现更高效。