В Финляндии предупредили об опасном шаге ЕС против России09:28
魔法原子正式发布官方公告，宣布一系列高层管理团队重要调整。其中，陈春玉继续担任魔法原子联合创始人及CTO担任技术领导人；张涛担任魔法原子具身模型负责人、算法VP，负责公司具身智能大模型研发及相关技术体系建设；吴正芳担任魔法原子具身数据平台负责人；高春超担任魔法原子关节模组负责人；李克迪担任魔法原子开发者生态负责人；杨科担任魔法原子中国市场商业化负责人；谭永洲担任魔法原子国际市场商业化负责人。同时，魔法原子宣布聘任清华大学教授、博士生导师李翔为首席科学家，在灵巧手方向进一步寻求落地突破。
协同畅通了研发路径，也打通了成果转化的“最后一公里”。，详情可参考新收录的资料
这项研究揭示了自闭症谱系障碍（ASD）的新机制：在丙戊酸（VPA）诱导的ASD小鼠模型中，大脑皮层出现了全局蛋白质合成过度增强。整合分析发现，这种异常并非源于转录水平，而是表现为核糖体和线粒体相关基因在翻译和蛋白水平的显著上调。进一步研究证实，翻译起始因子eIF4E的过度激活是导致上述翻译组异常及线粒体功能障碍的关键原因。重要的是，在幼年时期使用药物抑制eIF4E磷酸化，能持续缓解小鼠成年后的ASD样社交缺陷和刻板行为。
。新收录的资料对此有专业解读
Terms & Conditions apply，更多细节参见新收录的资料
Language-only reasoning models are typically created through supervised fine-tuning (SFT) or reinforcement learning (RL): SFT is simpler but requires large amounts of expensive reasoning trace data, while RL reduces data requirements at the cost of significantly increased training complexity and compute. Multimodal reasoning models follow a similar process, but the design space is more complex. With a mid-fusion architecture, the first decision is whether the base language model is itself a reasoning or non-reasoning model. This leads to several possible training pipelines: