Berkeley AI Research 提出 ABBEL 框架：教 LLM 更新信念状态以实现高效长程交互
Berkeley AI Research 提出 ABBEL 框架，用自然语言信念状态替代完整交互历史，并通过信念评分（belief grading）监督摘要内容，解决长程任务中递归摘要的性能损失。
全部 AI 动态
Berkeley AI ResearchAI 评分4343
Berkeley AI ResearchAI 评分5151 UC Berkeley 学者提出智能近乎免费时代的数据系统研究议程 For、Of、By Agents
UC Berkeley 的 Aditya G. Parameswaran 团队发文讨论近乎免费的智能（推理成本一年中位数下降约 50 倍，GPT-4 级能力从每百万 token 约 $30 降至 $1 以下）对数据系统的意义。
Berkeley AI ResearchAI 评分3737 2026 BAIR 博士毕业生展示
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、大语言模型与推理、计算机视觉、生成模型、AI 安全等。毕业生去向包括 Physical Intelligence、OpenAI、Mistral AI、Amazon、Princeton 等机构的职位，以及自创和正在筹备的初创公司，部分毕业生仍在寻找机会。
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 发布对并行推理领域的综述与分析，重点探讨自适应并行推理，即让模型自行决定何时分解并并行化独立子任务、生成多少并发线程及如何协调。
Berkeley AI ResearchAI 评分4646 GRASP：面向世界模型长时程规划的梯度方法
Berkeley AI Research 研究人员（与 Mike Rabbat、Yann LeCun 等）提出 GRASP，一种基于梯度的世界模型长时程规划器。它通过将轨迹提升到虚拟状态使优化可跨时间并行、在状态迭代中直接注入随机性做探索、并重塑梯度以避开经高维视觉模型的不稳定状态-输入梯度。该方法旨在解决长时程 rollout 中梯度爆炸/消失和局部极小值等问题。
Berkeley AI ResearchAI 评分4646 SPEX 与 ProxySPEX：面向 LLM 的大规模交互识别方法解析
Berkeley AI Research 介绍 SPEX 与 ProxySPEX 两种算法，用于在特征归因、数据归因和机制可解释性中大规模识别对模型输出有影响的关键交互。方法基于消融思想，利用稀疏性和低阶性把交互搜索转化为稀疏恢复问题；ProxySPEX 进一步利用层级性，以约 10 倍更少的消融达到与 SPEX 相当的性能，并支持扩展到数千个特征的上下文。
Berkeley AI ResearchAI 评分4242 Berkeley AI Research 提出基于信息量的成像系统设计框架
Berkeley AI Research 在 NeurIPS 2025 论文中提出直接以信息量评估和优化成像系统的框架，仅需噪声测量数据与噪声模型即可估计互信息。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解码器性能，据此优化出的设计可媲美 SOTA 端到端方法，且内存、算力开销更低，无需任务特定的解码器设计。