Qwen3 塔吉克语适配:降低文本损失未必提升理解力
针对 Qwen3 0.6B至8B模型的塔吉克语 LoRA 适配器降低了文本损失,但未提升阅读理解,Belebele 准确率无改善甚至下降。 8B 模型经 3.75 亿 token 继续预训练及微调后,主模型 e3 在 Belebele 上比 Qwen3-8B 高 11.4 分,MMLU 下降 1.2 分;0.6B 模型表现接近随机,MMLU 跌 7.6 分。
针对 Qwen3 0.6B至8B模型的塔吉克语 LoRA 适配器降低了文本损失,但未提升阅读理解,Belebele 准确率无改善甚至下降。 8B 模型经 3.75 亿 token 继续预训练及微调后,主模型 e3 在 Belebele 上比 Qwen3-8B 高 11.4 分,MMLU 下降 1.2 分;0.6B 模型表现接近随机,MMLU 跌 7.6 分。
OpenAI 为 ChatGPT 新增 GIF 生成功能,基于 Images 2.6 模型,支持调整播放速度及逐帧查看修改。 功能同步推送至网页、桌面及移动端,API 新增 GPT-Image-2.6 Flare 和 Sunburst 模型,分别侧重速度与画质。
LiberAI 发布新一代世界动作模型 Liber-0 及详细技术报告。实验显示 1 万小时自研手套数据在精细操作效率上超过 200 万小时互联网视频,且 25% 真机示范结合完整手套数据即可超越 100% 真机基线。该模型通过统一本体表征与多模态注意力,显著提升了机器人在未知任务中的 Zero-shot 泛化与长程执行能力。
Kimi 推出 Kimi Hosted Agents 托管智能体服务,将 Harness 作为云端服务提供,支持 7x24 小时长程任务执行与多智能体协作。平台提供 140 多项 Skills 与 30 多项插件,并集成 Kimi Inference Hook 在模型推理前拦截敏感数据。
华为昇腾基于vLLM Ascend和SGLang框架,同步实现了Kimi K3.1 Pro模型的首日推理部署,支持Atlas 800 A3等系列产品。Kimi K3.1 Pro是2.8万亿参数的混合线性注意力模型,原生支持视觉理解,昇腾团队针对其新增的稀疏注意力路径完成了算子开发与多模态推理适配。
月之暗面在 Hugging Face 开放 Kimi K3.1 Pro 模型权重,该模型采用混合专家架构,总参数量 2.8 万亿。在 Agent Arena 智能体排行榜中,Kimi K3.1 Pro 位列开放权重模型第一,基于超 1.75 万次真实长周期会话的净改进率为 +5.1%。
推荐理由:月之暗面如期开放 2.8 万亿参数模型权重,给出了部署规模与核心智能体评测数据,读者可据此判断该模型的开源生态影响。
CodeRabbit 推出针对 AI 生成 PR 的自动化审查、分诊与安全功能,支持 Quiet、Chill 和 Assertive 三种可定制审查风格。 其 Triage 功能通过评分、排序和路由管理 PR 洪水,Security 模块提供持续监控及“验证与修复”功能。 该产品旨在帮助团队在 AI 代码生成速度超越人类验证能力时,降低审查负担并提高质量。
Hugging Face CEO Clément Delangue在WIRED World Fair演讲中称,AI导致世界末日的概率(P(doom))接近零,未来风险主要源于大公司在封闭环境中秘密构建的前沿模型。
Hugging Face 首席政策官 Irene Solaiman 在 TechCrunch Equity 播客中分析了企业如何利用开源 AI 获利。 针对中国开源模型不断抢占地盘的现状,Solaiman 探讨了美国玩家如何保持竞争力。 她重点阐述了初创公司在基于开源模型构建产品前,需了解的工具选择、基础设施及权衡取舍,以塑造开源 AI 的未来。
Hugging Face 政策负责人 Irene Solaiman 在 Equity 播客中解析构建开源 AI 的战略权衡,指出企业转向开源模型主要为削减成本并获取更高控制权。 播客讨论模型免费时价值捕获难题、Nvidia 需资助美国开源前沿模型以对抗中国默认标准,以及如何在不封闭的前提下保障开源生态安全。
Datasette Agent 0.5a0 发布,新增 panel 功能,允许智能体聊天窗口与 Datasette 页面(如表格或查询页)并排显示。 结合 datasette-apps,可通过提示词创建基于数据库的应用,并在旁边的聊天窗口中直接修改它。 用户可通过 GitHub 账号登录 agent.datasette.io 体验该功能。
开源 AI 模型正变得更难由个人托管,硬件成本阻碍了能力获取。 DeepSeek-V3(671B 总参,37B 激活)和 Llama 4 Maverick(400B 总参,17B 激活)显示 MoE 架构使权重存储昂贵,即便计算更高效。 vLLM 等引擎优化集群利用率,但个人部署因显存闲置和通信开销受限,导致社区可能被迫依赖单一供应商服务。
AWS 官方教程介绍了名为 Deep Insight 的开源多智能体数据分析项目,它基于 Strands Agents SDK 和 Amazon Bedrock AgentCore,展示了四层上下文工程方法。
推荐理由:原文给出了四层上下文工程架构与代码实现,并展示单一工具与按需加载可显著降低token占用。
Renor 通过 MCP 为编码 Agent 提供跨会话的共享记忆,支持 Claude Code、Codex、Cursor 等客户端通过 npx 命令快速接入。其自托管版本将记忆存为本地 Markdown 文件,无需嵌入模型即可进行关键词搜索。基准测试显示,Renor 在 LongMemEval-S 上默认设置得分 94.4%,Deep search 模式得分 98.4%。
英伟达相关团队基于MiniMax开源视频模型H3推出视频增强项目Open-H3-Regenerate-2K,Pika同期发布Pika H3 Flex以减少推理步骤并增强控制能力。MiniMax H3采用社区许可协议,年收入超2000万美元的商业使用需获得书面授权,且美国、欧盟等地需另行联系授权。
GPT-6 Astra 通过修改 0.016% 权重使 Qwen3.5-0.8B 的 MATH-500 准确率从 7.9% 提升至 48.1%。 该方法无需重新训练,还能识别模型缺陷如“思考循环”,但无法补充模型本身缺失的技能。 研究者认为此技术可用于安全审计,已开源实验日志及编辑后的模型。
Secure & Private by Design 通过确定性引擎在编辑器、Git 钩子及 CI 中强制执行统一的安全隐私规则,阻断密钥与个人数据泄露。 支持 NIST SSDF 1.1、ISO 27001:2022 和 DPDP 2023 标准,提供 YAML 清单管理及可编辑的同意与审计日志脚手架。
百度 Apollo 披露具身世界模型 Apollo World,支持无人车在虚拟城市中与 AI 智能体驱动的参与者进行实时交互,日虚拟路测里程可达 10 万公里。该模型通过因果自回归多模态生成技术,实现全订单流程推演及环境动态切换,与 Waymo World Model 形成差异化竞争,旨在降低规模化部署成本。
推荐理由:揭示了百度 Apollo World 在虚拟环境中的交互式测试机制,通过对比 Waymo 展示了其在长程任务推演上的差异。
Anthropic 未正式确认下一代旗舰 Claude Fable 5.5 的发布,海外开发者在 X 平台曝光了名为 claude-fable-5-5 的早期测试结果。
腾讯混元 Hy4 正式发布,首次引入视觉与电脑操作能力,金融综合表现及内部科研评测位居开源第一。官方计划开源模型权重,已在腾讯云等渠道上线,API 价格与预览版保持一致。
推荐理由:原版在金融众测与科研任务上取得开源第一,并展示了从代码到生物建模的跨领域生产力落地。
开发者杨津在 CC Switch 发布 14 个月后分享开发心得,该开源项目现支持 12 个 AI 编程工具,获 149K GitHub Star,内置 90 多家供应商预设。
招商局狮子山人工智能实验室发布具身推理视觉语言模型「驭物™ Lion-ER-35B-A3B」,该模型采用 MoE 架构,总参数 35B 但每个 Token 仅激活约 3B 参数。模型在十项主流具身相关基准上全部指标上涨,等权综合均分达到 65.29,多项核心能力超越更大参数量模型。权重已在 Hugging Face 开源,兼容 Transformers、vLLM 和 SGLang 等框架。
推荐理由:展示了能力牵引的数据引擎方法,读者可了解其如何在低激活参数下提升具身推理能力。
天数智芯在上海开放日上展示了最新端侧算力终端彤央TY1200,其300 TOPS稠密算力实测性能超过英伟达Thor T500,并首次实现GPU加速物理仿真引擎本地运行。在LLM生成测试中,TY1200运行Qwen3.8-27B-AWQ的吞吐达到Thor的1.38倍;同时通过Agentic AI软件栈,将原本需10人天的Kernel开发缩短至1小时级别,并预告了标称600T算力的下一代产品。
腾讯 Hy4 正式发布,在 Agent 能力与长程任务上较预览版有全面提升,并新增视觉理解能力,多个 Benchmark 表现达到开源最强之列,超过 DeepSeek V4.1 Flash 等模型。
阿里巴巴董事长表示,开源是构建可持续 AI 产业的唯一可行路径。 他在中国互联网大会乌镇峰会上发言,指出中国科技企业正汇聚于开放生态系统,此举强化了对阿里巴巴 Qwen 开源权重战略的承诺。 背景是美国对中国的开源模型施压,而北京则推动以开源为核心的 AI 治理。
Anthropic 发布开源 zkSNARK 原型 FlashProve。在 Llama 4 Maverick 上,单张 H100 约 110 tokens/s 生成证明;单个证明约 19 MB,CPU 验证需 17 秒。
研究人员提出层次化转移注意力记忆框架 HTAM,利用 LLM 自动优化 GPU 算子,在 KernelBench 上展现出优于基线模型的正确性与加速效果。 该框架通过构建层级转换图(HTG)组织粗粒度全局方向与细粒度局部策略,引导 LLM 生成具体的 CUDA 代码。 该研究已在 EMNLP 2026 会议上作为 Oral 论文发布。 ```
研究提出动态基准框架 Multicultural Spyfall,利用社交推理游戏评估 LLM 多语言文化能力。 模型在非英语语境处理本地实体及规则遵循时表现显著弱于英语环境。 该游戏化方法可扩展、抗数据泄露,并补充了传统 NLP 基准的不足。
PersonaFuse 提出一种情境感知的大模型行为自适应后训练框架。 该框架基于特质激活理论和大五人格模型,采用混合专家架构与情境感知路由机制,根据任务上下文动态调整模型行为。 在能力、工作流和部署三个层面评估显示,该框架在保持通用推理、交互质量和安全性的同时,提升了企业场景下的任务完成率。
DexCanvas 是一个混合数据集,包含 7000 小时的手指灵巧操作,具有每帧接触点和力。 该数据集由 70 小时的光学动作捕捉扩展而成,涵盖了 21 种操作类型,通过 RL 策略在物理仿真中测量接触力。 接触驱动的重定向可将演示传输至两个灵巧机器人手,首次公开的 111,857 条轨迹可在 Hugging Face 获取。
EpiLoRA 插件将 LoRA 适配器融合进低精度 GEMM,在 NVIDIA Hopper 上单适配器解码时间比 vLLM 最快配置低 24%。 该技术在多租户场景下吞吐量优于 vLLM,且支持基于 FP8 权重的 LoRA 强化学习训练,使 27B 模型能在单块 48 GB GPU 上运行。
新提出的方法将生成发现模型平滑过渡为迭代优化,利用概率代理的后验不确定性引导结构先验与湿实验数据交接。 该方法在低样本量优化中提升效率并增加分子多样性。 论文已被 NeurIPS 2026 GEM 和 AI4DD 会议录用。
研究表明,语言子空间干预无法彻底移除激活中的语言信息,且最能提升 MGSM 准确率的干预会导致回答语言保真度下降。 实验基于 Qwen2.5-7B,仅有一种干预将联合准确率提升 1.60 分;仅修改提示词也能复现增益但严重损害语言保真度。 作者主张因果干预评估需超越准确率指标,以充分考量语言替代权衡。
AIRoA-0 是一双臂操作系统,完全基于 16,151 小时手持演示数据训练,未采集任何机器人数据。在 10 项任务中平均成功率达 78%,优于最强对标模型 27% 的表现。 系统支持跨具身应用,兼容 Franka、TX-G2 等机器人。团队已开源数据集、预训练权重及微调方法,在 8 块 H200 GPU 上微调耗时不到 4 小时。
研究人员推出交互式环境 ScamWorld,通过重构已报告的诈骗网站,系统评估 6 个前沿 LLM 驱动的网络智能体抵御在线诈骗的能力。研究发现模型基础欺骗率介于 11% 至 35% 之间,且智能体在处理支付请求时比获取凭证或钱包信息更容易受骗。ScamWorld 提供了一个可复用的测试平台,用于持续压力测试智能体对真实网络诈骗的响应。
在7-9B开源模型的微调实验中,当测试时错误选项被标记为“Reward: 5”(正确标签),模型在97-100%的CommonsenseQA题目中错误选择该选项。
针对 9B-20B 开源模型在 vLLM 或 SGLang 上的量化实测显示,4-bit 权重在小批量下可提速约 2.12 倍,但在大批量场景速度优势消失,FP8 成为更有效选择。
ATLAS 通过代数任务-角色锁定与自适应谱记忆,在无需训练的情况下优化多智能体系统的隐藏状态,解决任务漂移与状态过时问题。 该方法在长程记忆与工具使用测试中,比 A-MEM 提升宏观平均准确率最多 5.7 分,并在 72B 主干模型上实现 61.0 的宏观平均分。 ATLAS 作为表示层控制器,可作为黑盒智能体输出层协议的补充,适用于开源多智能体系统。
DoGNAVY-Exploit 利用分阶段编排与并行探索架构,显著提升了开源权重模型在漏洞利用链中的表现。GLM-5.2 在该框架下,Cybench 与 CVE-Bench 的 Pass@1 均达到 97.5%。
主流序列处理 AI 依赖输入驱动,缺乏生物脑持续节律性的内源时间结构。文章提出四条证据表明内源结构支持信息路由、组合表征、跨频复用及离线巩固等输入驱动架构难以复制的功能。