Berkeley AI Research 推出 ABBEL：用信念状态监督让 LLM 高效完成长程交互
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的交互摘要建模为自然语言“信念状态”，并通过信念评分（belief grading）监督其内容，从而替代完整交互历史作为智能体的工作上下文。
全部AI 动态
全部动态
今日 40 条Berkeley AI ResearchAI 评分4040
Berkeley AI ResearchAI 评分3131 智能免费时代的数据系统：为智能体、由智能体、属于智能体
伯克利 EPIC Data Lab 提出，推理成本正快速趋近于零，GPT-4 级能力已从 2023 年初的约 $30/百万 token 降至不足 $1，部分厂商低于 $0.10。作者由此提出三类新挑战：为智能体重设计的数据系统、支撑成千上万智能体长期任务与共识的数据系统，以及由智能体直接合成、需可验证可信的数据系统。
Berkeley AI ResearchAI 评分1717 2026 BAIR 研究生展示：伯克利 AI 实验室博士毕业生去向一览
伯克利人工智能研究实验室（BAIR）公布 2026 届博士毕业生展示，这批毕业生的研究覆盖机器人、大语言模型与推理、计算机视觉、生成模型、AI 安全、人机交互及 AI for science 等方向。
Berkeley AI ResearchAI 评分3636 自适应并行推理：高效推理扩展的下一范式
伯克利 AI 研究团队梳理了并行推理领域进展，指出主流方法多由外部固定并行结构，而非让模型自行决定何时分解任务、开启多少线程及如何协调。文章涵盖 Self-consistency、Best-of-N、Tree/Graph of Thoughts、MCTS 及 ParaThinker、GroupThink、Hogwild! Inference，并分析 ThreadWeaver 等自适应并行推理方向。
Berkeley AI ResearchAI 评分3636 GRASP：面向世界模型的梯度规划器，实现更长视野规划
GRASP 是一种面向学习型世界模型的梯度规划器，通过将轨迹提升到虚拟状态实现时间并行优化、在状态迭代中注入随机性以探索、并重塑梯度让动作获得干净信号，避免经由高维视觉模型的脆弱"状态-输入"梯度。该方法由 Mike Rabbat、Aditi Krishnapriyan、Yann LeCun、Amir Bar 等参与提出，针对长视野规划中优化病态、非贪心局部极小值与高维潜空间失效模式问题。
Berkeley AI ResearchAI 评分3535 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，利用稀疏性和低阶性将 LLM 交互识别转化为稀疏恢复问题，可在特征、数据和模型组件归因中高效发现关键交互。
Berkeley AI ResearchAI 评分2828 伯克利提出基于信息量的成像系统设计框架，可预测四大成像领域性能
伯克利 AI 研究院提出一种基于互信息的成像系统评估与优化框架，仅用含噪测量值和噪声模型即可量化测量所含信息量，无需任务专用解码器。在 NeurIPS 2025 论文中，该方法在彩色摄影、射电天文、无透镜成像和显微镜四个领域均能预测解码器性能，优化后的设计达到端到端方法水平，且内存与算力需求更低。