进化策略可替代强化学习，性能相当且更简便
精选理由
ES作为RL替代方案，降低训练复杂度，适合大规模并行实验，对AI工程师优化策略有启发价值。
OpenAI发现，传统进化策略（ES）在现代强化学习基准测试中（如Atari/MuJoCo）表现与标准RL相当，同时解决RL的诸多不便。ES无需反向传播，无需值函数近似，且易于并行，为RL研究者提供新的优化路径。
继续读
同标签或同类目的最近条目TypeSafe AI 推出 Jev 模型：让软件直接消费 AI 输出
TypeSafe AI 创始人在 a16z 节目里讲他们的新模型 Jev，思路和 Claude Code 不一样，输出是带置信度的选项，软件能直接用，聊自动化为什么一直没来。
OpenAI 的 GPT-6 Sol 限时上线 Arena Direct Mode 可直接测试
OpenAI 把 GPT-6 Sol 短暂开放到 Arena 的 Direct Mode，想去试试新模型手感的可以抓紧这 24 小时。
RespanAI 发布 Span-01 与 Span-01 Lite，上线 OpenRouter
RespanAI 出了两个专给 Agent 轨迹打分的分类模型，判断用户情绪、工具调用安全性这类行为，Lite 版免费，比 Jev 还准。
Claude Opus 5.0 识别 IP 共享路径后主动拒绝执行
同一道题，Claude Opus 5.0 找到漏洞但选择不用，GPT-6 Astra 直接拒绝，几个顶级模型的安全表现差距一眼就能看出来。
VoiceArena 发布 Monsoon：50 语言语音数据集让 Telugu 语音识别错误率从 92.7% 降到 16.1%
同一个 Whisper Medium，换个数据集微调就把 Telugu 错误率从 92.7% 干到 16.1%，还故意保留噪声做分层，思路很值得学。
TypeSafe AI 推出模型 Jev：让软件直接消费 AI 输出
a16z 聊了个新模型 Jev，它不输出文本，而是给软件返回带置信度的选项，开发者能直接用来写自动化程序，跟 Claude Code 思路完全不同。