跳到正文
10月23日周五
  1. arXiv · NLP23

    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。

  2. arXiv · NLP26

    谱平滑与尖峰扰动如何重构大语言模型能力配置与选择性任务表现

    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。

  3. IT之家68

    DeepSeek、MiniMax 完成登记,落实人工智能技术出口新规

    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。

10月22日周四
  1. TechCrunch · AI78

    DeepSeek 据报道完成 150 亿美元融资,紧随美国限制令之后

    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》

  2. Seven Minute Feed73

    AI智能体攻击Deere和SharkNinja等百家企业,DeepSeek和Claude Code模型单次入侵成本仅约50美元

    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。

  3. Seven Minute Feed81

    DeepSeek 融资 150 亿美元挑战美国前沿实验室

    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》

  4. 机器之心77

    Quant Arena 发布:9 个大模型量化测试显示半数策略亏损

    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。

  5. 腾讯混元68

    腾讯混元提出WorkForge框架:用真实工作区训练长程职场智能体

    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。

  6. 智东西85

    DeepSeek融资约1000亿元人民币,创中国AI行业纪录

    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》

  7. arXiv · AI28

    ToM推理与亲社会信念在最后通牒游戏中对LLM人类对齐行为影响的探索

    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。

  8. arXiv · ML33

    QSelect 如何在行为保真度约束下压缩空间机器人车载语言模型

    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%。

  9. arXiv · AI45

    AI 审批监控器在分布式系统中的相关性失效研究

    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。

  10. IT之家41

    MiniMax 股价跌破 IPO 发行价,此前曾暴涨超 7 倍

    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。

  11. IT之家89

    消息称 DeepSeek 最新融资近千亿,计划冲击全球 AI 巨头

    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。

  12. arXiv · NLP27

    大语言模型幻觉与事实可靠性基准测试:Fluent but Fallible 研究

    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。

  13. 机器之心87

    DeepSeek 开源推理框架 DeepInfer,AI 服务毛利率达 82%

    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》

10月21日周三
  1. Wired77

    CrowdStrike 披露四个网络犯罪群组利用 Claude 和 DeepSeek 绕过 AI 护栏实施攻击

    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。

  2. The Decoder56

    美国封禁Deepseek引发中方反制,揭示中国对海外AI模型的更严限制

    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。

  3. IT之家30

    华为与哈尔滨工业大学(深圳)联合设立“华为计算硬件专项”,拟招生 10 人

    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。

  4. Seven Minute Feed85

    DeepSeek 开源 DeepInfer:V4.1-Flash 背后的推理引擎

    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》

  5. Latent Space90

    DeepSeek 开源 DeepInfer 推理引擎,vLLM 团队发布官方对比与复现基准

    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。

  6. arXiv · AI35

    研究揭示 DeepSeek-R1-Distill-LLaMA-8B 中思维链干扰简单拒止引导

    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。

  7. arXiv · AI29

    静态基线往往更优:MoE 动态专家跳过方法的受控对比研究

    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。

  8. arXiv · AI23

    暴露基础模型生态系统中的漏洞单一化风险

    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。