乳腺病变 RAG 系统检索评估:标注覆盖度如何塑造检索得分
针对乳腺病变管理文献的 RAG 系统,评估发现交叉编码器重排序在检索得分上表现最佳。 混合检索器采用 384-token 块长与 20% 重叠,Recall@3 等指标均达 0.94;Ground-truth 标注扩充使证据跨度从 25 增至 37,但未改变检索排名。 研究指出标注敏感性需通过独立验证及放射科医生评估证据充分性来确认。
针对乳腺病变管理文献的 RAG 系统,评估发现交叉编码器重排序在检索得分上表现最佳。 混合检索器采用 384-token 块长与 20% 重叠,Recall@3 等指标均达 0.94;Ground-truth 标注扩充使证据跨度从 25 增至 37,但未改变检索排名。 研究指出标注敏感性需通过独立验证及放射科医生评估证据充分性来确认。
研究团队对 Llama 和 Qwen 指令模型的 up_proj 和 down_proj 矩阵实施谱平滑及尖峰扰动,揭示大奇异值被放大、小奇异值被缩小的效应。 正扰动更可靠地抑制语言与演绎推理响应,适度负扰动有时能提升事实性任务性能,敏感度随模型家族与基准模块显著变化。 谱扰动可作为轻量级干预手段,用于探查 LLM 内部能力的组织方式与权衡机制。
「黑十月」期间,多起 AI 智能体相关安全事件集中爆发,叠加 PHP 老代码漏洞与 eMudhra 弱密钥问题,迫使欧洲多个政府门户、Internet Archive 及 Japan 主要电商网站临时下线。
商务部、科技部就修订《中国禁止出口限制出口技术目录》公开征求意见,拟将人工智能相关 23 项技术纳入管理。DeepSeek、MiniMax 等头部企业已顺利履行登记手续,并完成开源和海外授权使用。对于纳入限制类的人工智能技术,开展海外本地化部署属于技术出口管理范围;而利用限制类大模型对外提供 API 调用、SaaS 应用等情形,则不属于大模型技术出口管理范围。
ModelCompare 追踪 500 个 AI 模型发现,在模型取得最高分数 6 个月后,能匹配其分数的模型价格通常便宜 20 倍,1 年后便宜 105 倍,而顶级模型本身价格基本持平。
据彭博社报道,DeepSeek 在美方要求联邦机构移除其技术后两天内融资约 150 亿美元,估值未披露,投资方包括 CATL 和腾讯。这是 DeepSeek 继 6 月 70 亿美元融资后的又一轮大额融资,公司正加速投入 AI 基础设施与开源模型,以应对全球 AI 竞争并巩固其在国内外市场的地位。
同一新闻,精选展示《消息称 DeepSeek 最新融资近千亿,计划冲击全球 AI 巨头》
前DeepMind研究员Thore Graepel创办Metis Reasoning,应用AlphaGo风格技术让聊天机器人对照证据核查自身工作。 该公司采用搜索与验证方法提升模型可靠性,而非单纯依赖扩大规模,此举顺应了实验室校友押注验证机制的行业趋势。
9月25日发起的AI智能体攻击活动已针对1200多个网站,成功攻破约100家企业(含Cummins)。此次攻击依托DeepSeek和Claude Code模型,整体Token消耗成本约5000美元,折合每次成功入侵仅约50美元。研究人员指出,由于智能体可实现全天候运行且边际成本远低于人工,出色的编码能力与Agent工具应用已彻底改变了网络利用的经济学模型。
DeepSeek 完成约 1000 亿元(150 亿美元)融资,为该公司史上最大融资之一,目标是在全球范围内与 Anthropic 和 OpenAI 竞争。此次融资发生在美国禁止 DeepSeek 产品进入联邦机构系统后的数日。该笔资金使 DeepSeek 的计算资源储备更接近其美国竞争对手,以应对日益激烈的算力竞赛。
同一新闻,精选展示《消息称 DeepSeek 最新融资近千亿,计划冲击全球 AI 巨头》
EinsiaAI 发布量化交易基准 Quant Arena,测试 6 家厂商 9 个模型在 A 股真实历史数据中的策略生成与迭代能力。结果显示 9 个模型中 5 个在 2024 年封存行情中亏损,表现最佳的 GPT-6 Astra 年化收益 10.7% 仍低于 17.1% 的市场基准,且模型预测准确性与最终收益并不完全正相关。
推荐理由:该研究通过 9 个主流大模型的实盘量化测试指出,模型虽能优化信号排序,但多数策略未跑赢市场,且存在“预测更准”不等于“盈利更多”的现象。
腾讯混元与复旦团队提出WorkForge框架,从真实资源规模化构建可验证智能体工作环境,解决当前合成环境过于整洁的问题。该框架产出WorkForge-16K数据集,包含1.67万个横跨40个专业领域的工作环境,强制智能体探索分散证据并完成长程任务。
推荐理由:腾讯混元发布WorkForge框架,通过真实世界资源构建可验证工作环境,显著提升了智能体在复杂职场任务中的长程执行与交付能力。
DeepSeek 近 1000 亿元新一轮融资接近完成,投前估值约 5000 亿元。 本轮新进投资者以产业资本为主,包括石溪资本、中芯聚源等;腾讯等老股东继续跟投。 原文未明确提及影响或意义。
据彭博社报道,DeepSeek最新一轮融资已筹集约1000亿元人民币(约合150亿美元),创下中国AI行业最大融资纪录,宁德时代和腾讯位列主要投资者。DeepSeek在接洽中两次上调融资目标,从500亿元增至800亿元,最终达到1000亿元。
同一新闻,精选展示《消息称 DeepSeek 最新融资近千亿,计划冲击全球 AI 巨头》
研究通过2700次模拟表明,ToM推理增强了LLM在谈判任务中与人类规范的行为对齐、决策一致性及结果。该研究在Greedy、Fair、Selfless等信念及不同ToM推理层级下测试了多个模型。 结果表明推理型LLM能力有限,不同游戏角色受益于不同ToM阶次。Llama 3.3 70B的推理与其行动和信念最一致。该研究推进了对ToM在人机交互与合作决策中作用的理解。
研究者提出 QSelect 方法,通过组合 AWQ、GPTQ 和 AutoRound 静态低比特检查点,生成单一压缩模型以满足空间机器人的内存预算和静态制品要求。 在 Llama-3.1-8B 和 Llama-3.2-3B 上,3 比特目标适应模式使 3-bit 池化准确率比最佳单家族模型分别提高 4.3 和 4.5 点,且 3 比特下未量化嵌入和输出层占打包制品的 43-46%。
针对AI智能体行动前的多个监控器可能共同失效问题,研究提出借分布式计算理论设计安全且存活的决策规则。实测12个开源小模型及Claude Opus 5.5等3个闭源前沿模型,发现“计数来源而非票数”的新规则将正常交易拦截率从7.4%降至0.9%,安全性保持不变。引入不可被说服的规则引擎可恢复安全且存活的规则,建议多样化输入、强化监控器并计数来源。
MiniMax 港股盘中最大跌幅 7.3% 至 159.3 港元,跌破 165 港元的 IPO 发行价,回吐自今年 1 月上市以来的全部涨幅。 上市初期股价最高冲至 1330 港元,较发行价涨超 7 倍;近期因行业激烈竞争及新模型反响平平,市场情绪转冷加剧抛售。 公司仍处于亏损阶段,2026 年上半年总收入 1.17 亿美元,经调整净亏损达 2.93 亿美元。
彭博社援引消息称,DeepSeek 最新融资规模达约 1000 亿元人民币,宁德时代与腾讯为主要投资方。报道指出该轮融资有助于其缩小与 Anthropic、OpenAI 的资金差距,并支持其建设数据中心与开发面向海外市场的开源模型。
推荐理由:文章梳理了 DeepSeek 千亿元融资的谈判过程与投资方,并对比其与美国头部实验室的资金差距,为观察中国 AI 产业资本走向提供依据。
研究通过 70 个学术提示词对比了 ChatGPT、DeepSeek V3 等 10 款大语言模型在幻觉与响应偏差上的表现。 Perplexity 和 DeepSeek V3 整体准确率最高,LLaMA 3 幻觉抗性较强,Falcon 实现零幻觉但召回率最低。 结果揭示了响应完整性与事实可靠性之间的根本权衡,且受提示词复杂度显著影响。
Who's Winning AI 发布了一个实时记分牌,通过7日平均的“能力、发布速度、资金”综合指数为AI实验室排名。排名显示 Meta 的 Muse Wonder 以 94.3 分位列第一,Anthropic 的 Claude Opus 5.5 以 91.6 分排名第二。
DeepSeek 开源内部推理框架 DeepInfer 及 token 编解码组件 deepseek-recipe,以 Apache 2.0 许可证发布。该框架支持 DeepSeek-V4.1-Flash,单集群日吞吐量达 155 万亿 token,每卡每小时收入 38 美元,推算毛利率为 82%。
同一新闻,精选展示《DeepSeek 开源内部推理框架 DeepInfer 及编解码组件》
腾讯正在内测面向少儿与青少年的一站式 AI 互动内容社区懂了鸭,用户可以通过自然语言生成 3D 演示、动态课件和互动绘本。该产品采用多模型架构,支持 DeepSeek 和 Kimi 等版本,将内容生产与分发放在同一社区内。
DeepSeek在一周内推出自研搜索、推理框架和编解码组件。除Search与Fetch将于11月1日起收费外,其余均免费开源,可用于不同算力平台与模型。单卡收入、首字时延、吞吐等具体指标也被公开披露。
同一新闻,精选展示《DeepSeek 开源内部推理框架 DeepInfer 及编解码组件》
CrowdStrike 研究人员分析了 5 月至 8 月间四个威胁群组利用 AI 实施的网络攻击。这些群组主要使用 Anthropic 的 Claude 和 DeepSeek 开源模型,通过构建自动化的“智能体”基础设施实施攻击,并利用模型路由和“越狱”技巧绕过安全护栏。最复杂的攻击者甚至定制了渗透测试工具,成功入侵了阿根廷、巴西、哥伦比亚等地的政府及私营企业系统,窃取凭证和医疗记录。
推荐理由:CrowdStrike 披露了四个威胁群组利用 Claude 和 DeepSeek 模型实施自主网络攻击的细节,展示了当前 AI 护栏在应对复杂攻击时的局限性。
美国国土安全部下令联邦机构移除Deepseek及其衍生软件,北京指责此举为歧视,并承诺采取反制措施。文章指出中国国内对ChatGPT、Claude等海外AI有严格限制,且要求逐步替换为国产软硬件,这种双重标准使中方的抗议显得缺乏说服力,但意在释放政治信号并为未来报复奠定基础。
华为计算硬件业务与哈尔滨工业大学(深圳)联合设立硕士专项,拟招生 10 人,实行双导师制并提供优先留岗机会。 首期课题覆盖高速互连、AI 芯片及 AI Infra 等方向,招生专业包括电子信息及机械,培养模式为校内课程学习后进入华为开展课题研究。
Qoder 国际版推出 Lite 套餐,定价 10 美元/月,包含 1,000 Credits,首月限时买一送一。 套餐支持支付宝,全功能可用,配备 Qwen3.8-Flash 等模型,错峰时段旗舰模型倍率降至 0.2x。 新套餐降低使用门槛,满足非专业开发者日常需求。
硅基流动模型广场上架 DeepSeek V4.1 Flash 1017,API 调用方式与价格保持不变。新版本在 Terminal-Bench 4.0 得分达 42.3,DeepSWE v1.1 得分达 77.0,具备性能-费用帕累托最优,并优化了“许愿式编程”能力以支持 3D 建模等项目开发。
Hedgeye Risk Management 称低价中国 AI 模型的普及是 Anthropic 上市前主要风险。其技术负责人表示许多客户都在问同样问题;随着 DeepSeek 开源服务栈且中国实验室持续降低单任务价格,Anthropic 所需的利润空间承压,影响其估值支撑。
DeepSeek 发布开源推理框架 DeepInfer,该框架用于 V4.1-Flash 的推理服务并采用 Apache 2.0 协议。项目基于 vLLM 构建,内置 FlashMLA、DeepGEMM 和 DeepEP 等内核,支持 MoE 专家并行、draft-token 解码和确定性采样,并适配 Nvidia Blackwell 和华为芯片。
同一新闻,精选展示《DeepSeek 开源内部推理框架 DeepInfer 及编解码组件》
AI行业共识并非主动放缓,而是等待竞争对手先刹车,无人减速导致竞赛继续。漫画讽刺了高管们在资金与安全间的荒谬博弈,表面克制实则激进。
DeepSeek 开源了 DeepInfer 推理引擎和配套协议处理库 deepseek-recipe,披露单集群日均处理 155T tokens、96% 输入缓存命中率的实测生产数据。vLLM 团队随即发布官方对比,测得 decode 吞吐量在 GB200 上仅落后 DeepInfer 不到 6%,并公开了 AgentX 基准复现指南,以开源引擎实测数据回应单栈效率质疑。
推荐理由:vLLM 官方给出 decode 性能对比数据,修正了 DeepSeek 单栈优势叙事,并提供了开源生产推理堆栈的经济学测算框架。
DeepSeek 将推理框架 DeepInfer 和生产级分词组件 deepseek-recipe 以 Apache 2.0 协议开源,支持每日 155 万亿 Tokens 吞吐,并承诺未来新模型的推理代码也将在此框架中持续更新。
MemTensor开源发布MemT 1.0系列,将记忆计算原生集成进Transformer架构以支持AI自我改进。该模型在SWE-bench Verified等基准测试中表现优于或持平外部文本记忆,且推理速度提升约1.86倍、状态占用大幅降低。
同一新闻,精选展示《记忆张量发布并开源 MemT 1.0 记忆原生大模型》
summary_zh: 针对中国起源模型的政治审查研究指出,仅基于“拒绝”的对齐评估失效。研究发现,探针准确率非诊断性,跨模型迁移因路由几何结构差异而失败。 研究涉及5家实验室的9个开源模型,采用手术式消融验证特定路由逻辑。
研究者发布包含 9K 样本的紧凑合成推理数据集 CHIMERA,覆盖 8 大科学领域并采用全自动化评估流程。 该数据集利用前沿模型生成长 CoT 轨迹,用于 Qwen3-4B 模型的 SFT 和 RL 后训练。 实验显示,该小模型在 GPQA-Diamond 等基准上性能接近 DeepSeek-R1 和 Qwen3-235B。
研究发现 DeepSeek-R1-Distill-LLaMA-8B 中的思维链(CoT)显著干扰激活引导对拒止行为的控制。 固定 CoT 时引导仅反转 39% 拒止案例,移除 CoT 后升至 70%;两阶段干预反转率达 94%,且生成的 CoT 即使停止引导仍保留 48% 效果。 这表明 LRM 拒止由残差流与 CoT 共同编码,增强了抗攻击性但暴露了 CoT 作为新攻击面的风险。
一项针对 Mixture-of-Experts 模型的研究表明,动态专家跳过方法难以稳定超越简单的静态 $k$ 值削减基线。 实验在 Gemma4-26B-A4B、Qwen3-30B-A3B 及 Qwen3-VL 上进行,结果显示动态方法常表现不佳或增益微小,且校准与测试时的有效 $k$ 值存在偏差。 作者建议采用无校准的每模态静态 $k$ 削减,并主张静态控制是任何动态跳过方法必须超越的基准。
summary_zh: MLIPS 提出免训练的多层索引池共享方法,在 DeepSeek-V4-Flash 上通过 vLLM 实现长上下文推理加速 1.14 至 1.40 倍,并将 GPU 能耗降低 14.8% 至 27.4%。
针对基础模型技术栈同质化导致的“漏洞单一化”风险,提出系统性对抗鲁棒性(SAR)这一新度量指标。 SAR 理论建模为部分集合覆盖问题,实验显示从 DeepSeek-R1 和 Claude Opus 4.6 蒸馏出的模型池,其系统性鲁棒性显著低于父模型池。 该框架旨在将漏洞单一化确立为可测量的目标,以实现更整体的模型群体对抗评估。