卡内基梅隆大学
多智能体协作，DrugAgent重塑药物研发新范式
南加州大学等机构开发出的DrugAgent是一个用于医药领域的AI Agent，能将复杂任务分解为可管理的子任务，并利用LLM Instructor和Planner构建工具箱来自动化执行ML任务。在ADMET预测、药物-靶点相互作用预测及分子优化测试中表现出色。
爬虫效率暴增5倍！清华开源智能爬虫系统：支持无缝接入LLM预训练！
Crawl4LLM是清华与卡内基梅隆联合开源的智能爬虫系统，通过评估网页对语言模型预训练的价值，节省50%以上资源并提升抓取效率和质量。
SFT并非必需！推理模型仅靠RL就能获得长思维链能力，清华CMU团队破解黑盒
研究团队通过对比SFT和RL两种方法发现，长CoT的生成需要大量的计算资源。他们提出了四个关键发现：SFT并非必需但能简化训练并提高效率；推理能力随着训练计算增加而出现，但并非总是如此；可验证奖励函数对增长CoT至关重要；基模型中的错误修正等技能需要通过RL有效地激励。
数万人在X上围观的Genesis，把「世界模型」造出来了？
来自多个知名大学和公司的团队推出了Genesis平台，它结合生成式AI与真实世界物理的准确性，提供通用物理引擎、机器人仿真平台等多样的功能。其目标是减少人类在数据生成中的投入，并实现自动化和自给自足的数据生态系统。
野心满满的Genesis：要让你用一句话为机器人生成一整个世界
来自卡内基梅隆大学、斯坦福大学等的众多专家推出了全新物理仿真平台Genesis，它结合生成式AI和真实物理准确性，专为通用机器人、具身人工智能和物理AI应用设计。
视频大模型无损提速：删除多余token，训练时间减少30%，帧率越高效果越好 NeurIPS
卡内基梅隆大学提出了一种新的视频大模型加速方法Run-Length Tokenization（RLT），通过将连续相同的图像块合并为一个token，使得Transformer的视频处理速度大幅提升。精度几乎没有损失的前提下，训练时间可缩短30%，推理阶段提速率可达67%。