蚂蚁灵波科技开源了具身大模型LingBot-VLA，提升了机器人在真实场景中的操作能力。该模型实现了跨本体和跨任务的泛化，降低了训练成本，并在多项评测中刷新成功率纪录。LingBot-VLA结合高精度空间感知模型，增强了深度信息处理能力，助力开发者快速适应不同场景，推动具身智能的发展。

腾讯推出的无训练组相对策略优化（Training-Free GRPO）方法，仅需120元即可显著提升大模型性能，超越70000元的微调方案。该方法通过动态更新经验知识库，无需调整模型参数，降低训练成本，适用于数学推理和网页搜索等任务。实验结果表明，Training-Free GRPO在多个基准测试中表现优异，具有高性价比和有效性。

Sanaka AI提出了一种新方法，使教师模型能够像人类教师一样进行启发式教学，训练出7B小模型在推理能力上超越671B的DeepSeek-R1。该方法通过逐步解释提高了教学效率，并显著降低了训练成本。

阿里通义推出PARSCALE新策略，使1.6B模型性能接近4.4B，内存占用仅为1/22，延迟增加1/6。该方法通过并行计算和动态聚合权重，显著提升模型能力，训练成本降低98%。

本研究提出双头优化（DHO）框架，旨在解决资源有限环境中视觉语言模型（VLMs）的计算复杂性和训练成本问题。DHO通过独立学习标记数据和教师预测，显著提升特征学习效率，并在多个领域和数据集上超越传统基线。

本研究提出了一种弹性推理框架，解决了大型推理模型在复杂任务中输出长度不受控的问题。该框架将推理过程分为思考和解决两个阶段，独立分配预算，从而提高了在资源紧张情况下的可靠性。实验证明，弹性推理在严格预算下表现优异，训练成本低于基线方法。

本研究提出了一种新型低比特优化器，利用超低精度量化技术降低训练成本，解决了信号淹没和梯度方差增加的问题，实现显著的内存节省，促进基础研究的可达性。

该研究提出了一种新的微调迁移方法，旨在提高大型语言模型的更新效率。通过从旧模型转移微调，可以显著提升新模型的性能，减少训练成本。

本研究提出了一种遮罩指导的视频生成方法，旨在降低文本到视频生成模型的训练成本和数据需求。该模型通过前景遮罩和运动轨迹控制，提升了视频生成的一致性和质量，适用于视频编辑和艺术视频生成。

LightGen模型由港科大与Everlyn AI合作开发，仅需8张GPU训练即可实现接近SOTA的高质量图像生成。通过知识蒸馏和直接偏好优化，显著降低了训练成本与资源需求，展现出在有限条件下生成高效图像的潜力。实验结果表明，LightGen在多个任务上优于现有模型，未来可扩展至其他生成任务。

深度求索公司推出的deepseek-v3和deepseek-r1大语言模型已达到顶级水平，且免费开源。尽管显卡资源需求较少，但训练成本高，普通用户难以部署全尺寸模型，通常只能使用小型蒸馏版本。LM Studio可在本地运行简化模型，适合学习和知识检索。