莫斯科AI团队提出‘基于自信心的强化学习’（RLSC），使大语言模型无需标注数据或外部奖励，仅凭自身输出分布的集中度（即‘自信心’）即可自我优化，在多项数学竞赛中提升准确率超9–21个百分点。
Mostik初创公司实现跨模型‘无声通信’，通过直接交换神经网络权重层面的数学状态，而非文本输出，在GLM-5.2与Qwen-3.5间搭建高效‘桥’，成本降至1/20，性能居二者之间。
该技术突破传统多模型协作的信息损失瓶颈——避免‘钥匙孔式’语言压缩，转而在高维内部表征空间对齐可预测结构，兼顾可解释性、零微调兼容性，并为模型协同训练与能力蒸馏开辟新路径。
