跳到正文
  1. Hacker News AI78

    Standard Kernel 优化使 Intel Gaudi2 推理性能超越 NVIDIA H100

    Standard Kernel 通过软件优化在 Qwen3.5-27B 模型长文本推理基准上,使 Intel Gaudi2 的解码吞吐量比 NVIDIA H100 提高 60%,预填充吞吐量提高 8%。在每 $0.60 的租用成本下,优化后的 Gaudi2 展现出 9.4 倍的每美元 token 产出效率。

    推荐理由:文章展示了通过软件优化让Intel Gaudi2推理性能超越NVIDIA H100的具体案例,揭示了优化推理栈对硬件性价比的巨大影响。

  1. Hacker News AI78

    Langfuse AI Gateway 设计:基于 Rust 的高性能智能体代理网关

    Langfuse 团队发布了 AI Gateway,采用 Rust 构建以解决 AI 代理工作负载中 Node.js 单线程阻塞和 Python GIL 导致的性能瓶颈。

    推荐理由:揭示了 AI 网关在 Rust、Node.js 和 Python 中的内存与延迟表现,并解释了保留原生 API 对 Agent 稳定性的意义。

  1. arXiv · ML67

    使用 Claude 复现权重空间编程研究

    作者使用 Claude Opus 5.5 复现了 Takehi 等人关于 GPT-6 Astra 的权重空间编程核心研究。Claude 成功从权重中识别 Atari 游戏并找到复制头,在 4/5 环境中超越 PPO,并利用 Qwen3.5-0.8B 的权重将 MATH-500 准确率提升至 58.1%,但其对训练数据的回答常受先验影响。

    推荐理由:作者通过十项预注册实验复现了权重空间编程研究,展示了模型在不训练条件下修复网络与推理的具体边界。

  1. Hacker News LLM84

    Wincon 发布 SpaceChem Bench 评估 16 个 LLM 的 2D 空间编程能力

    Wincon 发布 SpaceChem Bench,测试 16 个 LLM 在 Zachtronics 游戏 SpaceChem 全部 55 个谜题中的 2D 空间编程表现。

    推荐理由:16个前沿大模型在2D空间编程基准中表现分化,多反应器谜题导致解决率大幅回落,多模型生成的解法为社区刷新了Pareto边界。

  1. Hacker News AI91

    中国前沿 AI 模型带有出口管制 NVIDIA Blackwell GPU 的数字指纹

    Unemployment Labs 的取证分析表明,DeepSeek、Moonshot AI、MiniMax 和 Ant Group 发布的六款 2026 年模型在初始化阶段使用了受出口管制的 NVIDIA Blackwell 硬件。通过比对这些模型公开的权重与 PyTorch 随机数生成模式,研究人员识别出与 Blackwell 芯片架构匹配的数字指纹,相关置信度最高达到 1385 sigma。

    推荐理由:报告通过模型权重的随机数生成模式,提供了中国AI实验室访问受限硬件的技术证据,读者可据此理解相关指控的背景与验证方法。

  1. Hacker News AI76

    450 个 GitHub 热门仓库 12 个月数据揭示 AI 编码占比跃升与代码质量现状

    coderot 基于 450 个主流 GitHub 开源仓库过去 12 个月的 git 数据指出,平均合并 PR 中 AI 签名占比从 2025 年 10 月的 2.3% 升至 2026 年 9 月的 11.5%;其中 Claude Code 在多数含 AI PR 的仓库中签名最多,且 59% 的仓库已提交 AGENTS.md 等智能体配置。

    推荐理由:基于 450 个主流开源仓库的 12 个月数据,量化了 AI 代码占比跃升与代码复杂度变化的关联,为开发者审视智能体写码质量提供参照。

  1. 机器之心76

    WildAWM 研究发布:纯开源模型合成高难度环境,训练 Qwen 模型提升 GUI Agent 能力

    微软研究院等机构发布 WildAWM 研究,利用纯开源模型合成包含 CLI、GUI 和 MCP 接口的个人电脑环境及 341 个高难度任务。该研究通过强化学习训练 Qwen3.6-35b-a3b 和 Qwen3.5-4b 两个模型,使其在 8 个分布外评测基准上全部取得性能提升,其中 Qwen3.6-35b-a3b 平均分提高 10.58 分,且合成任务的难度足以挑战 GPT-6 Astra。

    推荐理由:原文展示了如何用纯开源模型合成高难度计算机使用环境,并在8个分布外评测中提升了两个Qwen模型的性能。

  1. Hugging Face Blog66

    Collinear AI 发布 CWE-bench v2 基准测试

    Collinear AI 开放了 100 个网络安全任务基准 CWE-bench v2,覆盖 91 种 CWE 漏洞,支持程序化评分并在 Hugging Face Hub 提供运行入口。测试结果显示 Gemini 4 Argon 以 67.8% pass@1 居首,领先于 Claude Opus 5.5。

    推荐理由:CWE-bench v2 开放了 100 个网络安全任务,给出了各模型的成本与得分对比,方便开发者评估 AI 修复漏洞的能力。

  1. 智东西83

    MIT 研究:GPT-6 Astra 通过直接修改权重提升 Qwen 数学及指令遵循成绩

    MIT CSAIL 研究人员公布实验,验证 GPT-6 Astra 直接读写神经网络权重的能力,即“权重空间编程”。在核心实验中,GPT-6 Astra 修改了 Qwen3.5-0.8B 约 0.016% 的权重,使其 MATH-500 准确率从 7.9% 提升至 48.1%,指令遵循成绩也增至近 3 倍。

    推荐理由:MIT 实验展示了利用 GPT-6 Astra 直接修改权重修复小模型推理故障的方法,为模型调试提供了新的技术路径。

  1. 量子位69

    清华联合无问芯穹、智元提出群体经验学习(CEL)具身智能范式

    清华大学、无问芯穹与智元提出群体经验学习(CEL)范式,并在96台真实机器人集群中完成规模化验证。实验包含插花、手机包装等五项任务,两台未参与训练的机器人600次测试成功率达97.5%,且五项任务成功率全部超过6名人类操作员的平均水平。

    推荐理由:在96台真实机器人集群中完成验证,成功率最高达98.3%,展示了群体经验学习推动规模化落地的具体路径。

  2. The Decoder90

    Epoch AI研究表明开源模型GLM 5.3可在48小时内自主构建Firefox漏洞利用链

    Epoch AI研究人员展示,中国开源权重模型GLM 5.3能在无人输入的情况下,利用安全补丁发布与生效之间的时间差,针对6个Firefox版本自主构建完整的漏洞利用链。

    推荐理由:Epoch AI团队证明了开源模型GLM 5.3能在无人干预下利用补丁时间差构建Firefox完整漏洞利用链,揭示了开放权重模型扩散网络攻击能力的风险。

  1. 机器之心66

    智源 AREX-2 发布:27B 小模型在 MLE-bench 与 HLE 基准上反超更大规模模型

    AREX 研究团队发布基于 Qwen3.8-27B 的 AREX-2 模型,通过机器学习与算法编程场景下的长程反思数据训练,实现了跨领域自我改进能力的迁移。

    推荐理由:原文展示了小参数量模型通过长程反思训练反超巨型模型的实证结果,并验证了该能力跨域迁移至深度研究任务的可行性。

  1. 机器之心69

    Q Labs 发布 Dust 方法,实现不依赖反向传播的 Transformer 预训练

    Q Labs 提出的 Dust 方法通过向激活值添加噪声实现零阶优化,宣称在 2.43 亿参数规模下能与反向传播竞争。第三方复现显示 Dust 在同等算力下并不比使用更合适优化器的反向传播有明显优势,其核心意义在于验证了零阶方法用于预训练的可行性。

    推荐理由:原文给出了零阶优化方法在预训练中的实证结果和局限,读者可以据此判断反向传播替代方案的可行性边界。

  1. 机器之心76

    哈佛、英伟达联合发布RAX框架,通过机器人在线探索实现能力自我进化,基准测试领先37.4个点

    RAX框架将在线探索引入机器人学习,通用Coding Agent通过探索积累技能实现自我进化。在五大基准测试中,RAX相较于最强SOTA模型平均领先37.4个百分点,且全程零人工动作示范。真实场景下,机器人通过不到两小时自主探索即可掌握复杂操作,团队已将完整的Agent框架和代码开源。

    推荐理由:文章展示了机器人在线探索的Scaling Law,提供五大基准领先37.4个百分点的数据和可复用的开源Skill框架。

  1. Hacker News AI77

    AI 成本每年下降 10 倍趋势验证:四个基准实测结果

    作者通过 Humanity's Last Exam、Arena Elo、GPQA Diamond 和 Terminal-Bench 四个基准验证了 AI 成本每年下降约 10 倍的趋势,平均时间为 0.8 至 1.3 年。数据表明,随着价格降低,部分低端智能水平的成本下降速度放缓,作者提出了“Lee's Law”来描述这一比 Moore's Law 快 7 倍的趋势。

    推荐理由:通过四个基准的数据验证了AI成本每年下降10倍的趋势,指出了低端价格趋于平稳的现象。

  1. 机器之心84

    TraceForge 技术报告发布:利用原生思维链合法反超闭源模型蒸馏效果

    独立研究员王琰发布 TraceForge 技术报告,提出 family-native trace 方法,通过同族模型生成原生思维链来替代闭源模型的隐藏推理过程。在 HumanEval+ 和 MBPP+ 基准上,该方法的成绩分别比直接蒸馏 Claude 思维链高出 3.7 分和 7.1 分。整个训练过程仅使用同族模型的数据,没有任何闭源厂商的 token 进入梯度计算,提供了一条合法的蒸馏替代路径。

    推荐理由:展示了绕过闭源思维链限制的合法蒸馏方法,且合成轨迹性能反超直接蒸馏的真实轨迹。

  1. IT之家78

    Anthropic 称 Claude 自主设计的量子电路超越现有最优方案

    Anthropic 宣布,其 AI 模型 Claude 在几乎无人工干预的情况下,针对化学、优化、物理模拟、数论和数值计算等领域的 8 类量子计算任务,设计出比已发表最优方案更高效的量子电路。

    推荐理由:文章给出了量化对比,说明自主设计的电路在量子比特和门数量上如何超越既有方案。

  2. Hacker News AI84

    Bruce Schneier 团队实测:开源 AI 模型易受后门攻击

    Bruce Schneier 团队通过实验证明,仅使用开源基础模型、公开数据和租用 GPU,即可在 1.5B 至 7B 参数量的开源模型中植入后门。攻击者可利用远程 URL 控制模型行为,使模型在响应正常请求时窃取凭证,而难以被常规评估察觉。

    推荐理由:作者实测了在小模型中植入隐蔽后门的路径,展示了供应链攻击在 AI 领域的具体风险。

  1. arXiv · NLP75

    Fish Audio Drama 3 技术报告发布

    Fish Audio 开源了基于 35B 参数 MoE 架构的语音生成模型 Fish Audio Drama 3。该模型能根据自然语言指令生成多角色长对话,支持多轮修改、语音编辑及流式输入,其专属音频解码器可将推理速度提升至 271 帧/秒,已发布至 GitHub 和 Hugging Face 并支持 SGLang-Omni 部署。

    推荐理由:报告详细解析了单模型实现多轮剧本修改、声线克隆及SGLang-Omni流式推理的架构设计与完整技术路线。

  1. 机器之心78

    清华团队推出 OSWorld-Science 评测基准:12 个视觉语言模型科研软件操作平均得分仅 34.3%

    清华大学等机构推出面向真实科研场景的智能体评测基准 OSWorld-Science,包含 146 项专家设计的任务,涵盖 7 大科学领域和 14 种科研软件配置。

    推荐理由:该基准揭示了视觉语言模型在复杂科研软件操作中的具体失败模式与成本差异,为评估智能体实际执行能力提供了可复用的数据与方法。