智能免费之后怎么办？面向智能体、由智能体构建的数据系统
UC Berkeley 的 Aditya G. Parameswaran 等人提出，推理成本正快速趋近于零——GPT-4 级能力从 2023 年初约 $30/百万 token 降至如今不足 $1，部分厂商已低于 $0.10，基准测试中推理价格年降幅在 9x 到 900x 之间、中位数约 50x。
全部 AI 动态
Berkeley AI ResearchAI 评分3838
Berkeley AI ResearchAI 评分2020 2026 届 BAIR 博士毕业生展示：机器人、LLM 推理与 AI 安全研究
伯克利人工智能研究实验室（BAIR）展示 2026 届博士毕业生，研究覆盖机器人、LLM 推理、计算机视觉、生成建模、AI 安全与人机交互等方向。毕业生去向包括 OpenAI、Mistral AI、Physical Intelligence 等机构，以及高校教职和自主创业。
Berkeley AI ResearchAI 评分3636 自适应并行推理：高效推理扩展的下一个范式
自适应并行推理让模型自行决定何时分解并并行化子任务、开启多少并发线程以及如何协调。现有方法如 self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink 和 Hogwild! Inference 的并行结构多由模型外部设定，不随问题难度调整。文章梳理该领域进展，指出不同问题需要不同并行度。
Berkeley AI ResearchAI 评分3434 面向世界模型长时程规划的梯度规划器 GRASP
伯克利 AI 研究团队提出 GRASP，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跨时间并行优化，并在状态迭代中注入随机性以增强探索。GRASP 还重塑梯度，让动作获得清晰信号，同时避开高维视觉模型中脆弱的“状态-输入”梯度。该工作与 Mike Rabbat、Aditi Krishnapriyan、Yann LeCun 和 Amir Bar 合作完成。
Berkeley AI ResearchAI 评分3838 伯克利提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
伯克利 AI 研究团队提出 SPEX 与 ProxySPEX 算法，可在特征、数据与模型组件归因中大规模识别驱动 LLM 输出的关键交互。SPEX 利用稀疏性与低阶性把交互搜索转化为稀疏恢复问题，ProxySPEX 进一步借助层级结构，以约 10 倍更少的消融达到与 SPEX 相当的性能。
Berkeley AI ResearchAI 评分3030 加州大学伯克利分校提出基于信息量的成像系统设计框架，亮相 NeurIPS 2025
加州大学伯克利分校团队提出一种直接以互信息为指标的成像系统评估与优化框架，仅用带噪测量和噪声模型即可量化系统区分物体的能力。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，优化后的设计达到与端到端方法相当的水平，且所需内存和算力更少、无需任务专用解码器。