跳到正文
10月21日周三
  1. arXiv · AI32

    语言模型任务组合下的脆弱性:隐性推理预算机制

    研究揭示语言模型在组合任务中错误率显著上升,源于模型对每个任务分配的 token 隐性减少,这一“隐性推理预算”效应无法仅由独立错误累积解释。 该现象在开源模型与 Claude Opus 5 中均存在;孤立时非脆弱任务会浪费算力,而任务需要更长解题轨迹时,组合下错误更多。 按任务脆弱性分组可调控该预算,在保持准确率的同时将 token 使用量降低 43%,为高效多任务提示设计提供依据。

  2. arXiv · AI28

    LLM 推理中中间结果可靠复用的条件研究

    该研究分析了大语言模型在局部重试中复用中间结果的可靠性,给出了正确完成条件及平均尝试次数界限。 实验涵盖 8 个推理模型,包括 4 个 DeepSeek 模型。结果显示,提供第一子问题答案或推理及答案,将第二子问题平均成功率从 36.2% 提升至 58.3%。 代码已开源,相关实验验证了检查成本与通过概率对总计算量的影响。

  3. Hacker News AI37

    AI模型共享收入市场的“应用商店”机制解析

    AI模型市场运作类似应用商店,通过可调适配器基于供应商基础模型提供调用服务,基础模型均为未修改的供应商权重。 该市场列出了多款模型及其调用价格,包括 MiniMax-M3 的 $0.39 / M 和 GLM-5.1 的 $1.82 / M,部分模型支持训练数据链接共享。 所有展示模型均非微调或 LoRA 版本,价格为调用方支付的基准费率。

10月20日周二
  1. TechCrunch · AI81

    美国DHS下令联邦文职机构移除DeepSeek及其衍生服务

    美国国土安全部(DHS)下令联邦文职机构停止采购并移除DeepSeek及其基于其技术开发的第三方产品,理由是对中国数据安全及法律管辖的担忧。此举此前已针对情报机构,中国外交部回应称反对过度扩大国家安全概念。

    同一新闻,精选展示《美国禁止政府机构使用DeepSeek AI》

  2. The Decoder82

    美国联邦文职机构禁用 DeepSeek 技术

    美国国土安全部发布禁令,禁止联邦文职机构使用中国实验室 DeepSeek 的 AI 技术。各机构须从 IT 系统中移除现有 DeepSeek 产品,且不得采购新品。该禁令基于 2018 年美国供应链安全法律,目前未设定具体移除期限,也未明确“包含 DeepSeek 实现”的具体定义范围。

    同一新闻,精选展示《美国禁止政府机构使用DeepSeek AI》

  3. 智东西89

    DeepSeek 开源推理框架 DeepInfer 和组件 deepseek-recipe,公布日均 155 万亿 Tokens 吞吐

    DeepSeek 开源了内部推理框架 DeepInfer 和生产级 token 编解码组件 deepseek-recipe。DeepInfer 支持分布式推理、推测解码及 SWA Bounded Replay,兼容英伟达与华为昇腾平台。DeepSeek 公布基于该框架的 V4.1 Flash 单一集群日均吞吐达 155 万亿 Tokens,整体收入按谷价计算为每卡每小时 38 美金。

    同一新闻,精选展示《DeepSeek 开源内部推理框架 DeepInfer 及编解码组件》

  4. 36氪90

    MiniMax M3.1 Flash 发布,在 Agent 基准上实现低成本追平旗舰模型

    MiniMax M3.1 Flash 正式发布,并确认是匿名模型 Space Bunny 的正式版,主打高速推理与低成本。该模型在 Automation-Bench、DeepSWE、ALE 等基准上表现强劲,在 ALE 任务中花费约 739 元即可跑完,性能追平甚至部分反超旗舰级模型如 Claude Opus 5。

    推荐理由:M3.1 Flash 的定价与多任务基准成绩被并排放在 DeepSeek V4.1 Flash 和 Opus 5 的坐标系中,可以直接看出当前低段位模型的价格锚点。

  5. Seven Minute Feed75

    美国禁止DeepSeek进入联邦机构系统

    特朗普政府以国家安全为由,禁止美国民用政府机构使用中国AI初创公司DeepSeek的产品或服务。此禁令将中美AI竞争正式纳入采购政策,发布数日前DeepSeek V4.1 Flash以极低价格在美国智能编码基准上超越前沿模型。

  6. IT之家91

    DeepSeek 将内部推理框架 DeepInfer 及编解码组件全面开源

    DeepSeek 宣布全面开源内部推理框架 DeepInfer 及生产级编解码组件 deepseek-recipe。DeepInfer 集成高性能算子与推理引擎,支持分布式推理、推测解码等能力,兼容英伟达与华为昇腾平台,已用于实现 DeepSeek V4.1 Flash 的高吞吐低延迟推理服务。

    同一新闻,精选展示《DeepSeek 开源内部推理框架 DeepInfer 及编解码组件》

  7. 机器之心34

    小红书 Dots 团队 DoSA 技术实现长上下文首 token 延迟减半

    小红书 Dots 团队提出 DoSA,利用分数上下界加速索引器,在不降低精度的前提下将约 1M token 上下文的首 token 延迟较 SGLang 基线降低 37%-48%。 该技术通过保守上界提前过滤约 97% 候选,仅对可能入选的候选执行精确打分,确保了 Top-K 选择结果等价。 此举解决了稀疏注意力中索引器成为长上下文推理瓶颈的问题,显著提升了长文本生成效率。

  8. arXiv · AI28

    EL-DGR 非补偿性规则如何限制 DeepSeek-R1-7B 在 LLM 评判失败中的决策边界

    约束 LLM 评判的决策规则比评判准确性更关键,EL-DGR 非补偿性规则在 GSM8K 上达到 58.2%,显著优于 56.8% 的 DeepSeek-R1-7B 评判。 该规则要求推翻共识需附带提取式证据证书,且仅在双方均未获证书且修复项获证书时启用,将评判的爆炸半径限制在可验证范围内。 实践启示是限制评判器的决策范围而非追求其准确性,避免破坏性决策。

  9. arXiv · ML29

    LLM 服务市场中的测试时算力博弈:非效率性与反向第二价格拍卖机制

    研究显示,LLM-as-a-service 市场存在社会低效率,云服务商有动力增加测试时算力投入,即便这很少提升输出质量。 为纠正此偏差,文章提出一种反向第二价格拍卖机制:服务商就价格与预期质量竞价,用户按中标方相对第二高投标方的边际价值比例付费。 实验在 Llama、Qwen 及 DeepSeek-R1 蒸馏模型上验证该机制,测试数据集涵盖数学与科学基准。

  10. arXiv · ML39

    通过PID负载均衡实现极度稀疏MoE模型稳定训练

    ID Balancing是一种基于积分-微分控制器的负载均衡方法,用于解决大语言模型中混合专家(MoE)路由不平衡问题。 该方法整合了DeepSeek的无损失方法和Kimi K3的分位数平衡方法。 实验显示,在Top-3路由设置下,ID Balancing将最坏情况骨干MaxVio降低超过50%,最坏情况骨干MaxVio在总参数量从18.9B增加到69.9B时保持稳定。

  11. arXiv · NLP40

    多智能体 LLM 辩论中的立场收敛:并非所有翻转都代表服从

    在 GPT-4o 多智能体辩论中,37% 的冲突问题无需同伴信息即发生答案改变,29.3% 的稳定对子在看到同伴立场后采纳同伴答案。 这些采纳包含纠正与新错误;同伴有正确答案时,纠正多于有害采纳。完整推理提升个体准确率,但相比自我反思未增加多数投票收益,且多耗 57% token。

  12. arXiv · NLP31

    生产级规模下哈希寻址条件记忆的写入原子性审计:124M-7B 模型至 DeepSeek-V4.1-Flash 的覆盖与组合局限

    针对生产级哈希寻址条件记忆,研究发现写入内容为独立可寻址原子而非可组合推理知识,固定预算下 50 项事实覆盖率 98% 降至 1,000 项时的 12.7%。 测试涵盖 124M-7B 自训模型及 Qwen3.8-Flash-Next-FP8、DeepSeek-V4.1-Flash,双跳组合未超越独立基线,上下文差距将故障定位至检索推理。

  13. 36氪20

    8点1氪丨被指品质暴跌,山姆回应;宇树科技市值重回2000亿,人形机器人股批量涨停;马斯克承诺给“美国每个孩子”1股SpaceX股份

    MiniMax发布M3.1 Flash模型,推理速度提升近3倍,成本降低70%,Pro版本即将推出。 OpenAI推进约300亿美元融资,目标估值超1.4万亿美元;DeepSeek API网页搜索计费每1000次5元。 马斯克承诺明年赠予美国每个孩子1股SpaceX股份;山姆回应称正依法维权应对恶意营销。

  14. Hacker News AI85

    美国禁止政府机构使用DeepSeek AI

    美国国土安全部(DHS)下令所有文职政府机构停止使用中国公司DeepSeek的AI技术及其衍生产品。该禁令自7月底生效,适用于财政部、国务院等文职机构,但排除国防部。此举延续了美国对DeepSeek的监管限制。文章提到,由于DeepSeek模型开源且成本低廉,曾被Snowflake等公司用于业务,其训练成本远低于美国同行,引发了对美国AI企业竞争力的担忧。

    推荐理由:美国国土安全部禁令将DeepSeek排除在文职政府体系之外,为评估开源模型在地缘政治下的合规风险提供了具体参照。

  15. 智东西87

    DeepSeek-V4.1-Flash-1017 登顶 Code Arena: WebDev 开源榜

    Arena 宣布 DeepSeek-V4.1-Flash-1017(Max)以 1670 分超过 Kimi K3(Max),成为 Code Arena: WebDev 榜单排名最高的开源模型。该模型在 DeepSWE v1.1 测试中得分超越 GPT-6 Astra 等模型,每百万 Token 输入成本约为 Kimi K3 的 1/10,支持一次性生成可运行的 3D 场景与网页游戏。

    推荐理由:读者能基于实测案例和价格数据,判断新模型在创意原型开发中的性价比。