Berkeley AI Research 提出 ABBEL：教会 LLM 更新信念状态以实现高效长程交互
Berkeley AI Research 提出 ABBEL 框架，将摘要建模为自然语言信念状态并对其内容进行监督，解决传统递归摘要（context compaction）在长程交互中的性能损失。
全部AI 动态
全部动态
今日 0 条Berkeley AI ResearchAI 评分4343
Berkeley AI ResearchAI 评分4747 智能近乎免费之后：面向、源于、由 Agent 构建的数据系统
UC Berkeley 的 Aditya G. Parameswaran 等人撰文指出，GPT-4 级能力的推理成本已从 2023 年初的约 $30 per million tokens 降到 $1 以下、部分低于 $0.10，基准推理价格中位数每年下降约 50x。
Berkeley AI ResearchAI 评分3030 2026 BAIR 毕业生风采展示
Berkeley AI Research（BAIR）实验室庆祝 2026 届博士毕业生，研究方向覆盖机器人与具身智能、LLM 与推理、计算机视觉、生成模型、AI 安全、人机交互及 AI for science 等。
Berkeley AI ResearchAI 评分4242 自适应并行推理：高效推理扩展的下一个范式
Berkeley AI Research 发布一篇关于并行推理的综述与观点文章，重点分析自适应并行推理：让模型自行决定何时分解任务、生成多少并行线程以及如何协调。
Berkeley AI ResearchAI 评分3232 GRASP：让世界模型实现更长时程的梯度规划
Berkeley AI Research 提出基于梯度的规划器 GRASP，用于让学习到的世界模型支持长时程规划。它通过把轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代中直接注入随机性以探索、并重塑梯度以避开高维视觉模型中脆弱的 state-input 梯度，解决长时程 rollout 中梯度爆炸/消失与不良局部极小值问题。
Berkeley AI ResearchAI 评分4545 SPEX 与 ProxySPEX：面向 LLM 的规模化交互识别方法
Berkeley AI Research 介绍 SPEX（Spectral Explainer）与 ProxySPEX 两种算法，利用稀疏性和低阶性等结构观察，用尽可能少的消融实验识别 LLM 特征、数据和模型内部组件中的关键交互，将交互发现规模提升到比以往方法高数个数量级。
Berkeley AI ResearchAI 评分3838 基于信息的成像系统设计：Berkeley AI Research 提出直接评估成像系统信息量的框架
Berkeley AI Research 在 NeurIPS 2025 论文中提出直接基于信息量评估与优化成像系统的框架，利用已知噪声模型从测量数据估计互信息。该指标在彩色摄影、射电天文、无透镜成像和显微成像四个领域均能预测下游解码性能，优化所得设计可媲美 SOTA 端到端方法，且内存、算力更省，无需任务专用解码器设计。