交错 On-policy Distillation 中 Teacher Bridges 的作用有多大?
研究对比了 Qwen3-1.7B 学生模型与 Qwen3-4B-Instruct-2507 教师模型,发现教师文本桥梁在短训练和 BF16 推理下未带来准确率提升。 桥梁仅占 token 的 2.7%,其梯度与模型梯度近乎正交。 该结论仅适用于 BF16 推理场景,在 FP32 下模型常达到长度限制。
研究对比了 Qwen3-1.7B 学生模型与 Qwen3-4B-Instruct-2507 教师模型,发现教师文本桥梁在短训练和 BF16 推理下未带来准确率提升。 桥梁仅占 token 的 2.7%,其梯度与模型梯度近乎正交。 该结论仅适用于 BF16 推理场景,在 FP32 下模型常达到长度限制。
Muon 优化器使 MoE 语言模型首个专家层负载更难平衡,偏差幅度平均翻倍。 实验使用 55M 和 108M 参数模型,Muon 导致前几层偏差跨度增大,忙碌专家处理四至七倍份额。 将路由移至 AdamW 会轻微增加损失,该规模下结果支持路由使用 Muon。
研究者在单张消费级 GPU 上从零训练 11M 至 12M 参数的小语言模型,发布了包含自回归与掩码扩散两种生成模式的 Python 包。 在巴西葡萄牙语及联邦法律文本上,掩码扩散模式在 256 个 epoch 达到最优,表现优于自回归模式,并在补全交叉引用方面击败 160M 和 630M 参数模型。 该研究提供了经过预注册的对比协议和参考基准数据,验证了在家构建专业领域小模型的可行性。
在 4-9B 参数模型中,将 2000 个条目分入不同随机批次(每批 25 项)会导致 11-22% 的判定结果改变,差异比重命名键或改写指令多出 6.5-13.3 分。 对 14-32B 参数模型,判定改变率为 6-15%;多数投票无法消除批次成员效应,且批处理判决与单条目判决存在 8.4-17.8% 的系统性差异。
XLaw-JP-27B是基于Qwen3.8-27B的开放权重模型,在48GB GPU上运行。它在八项日本法律任务中表现优异,平均排名1.3。 该模型采用混合检索、QLoRA微调及多示例投票等技术,是唯一通过2024至2026三年司法考试者。最大短板在合同审查与专利法领域。
NVIDIA 发布 Nemotron 3.5 Super 和 Nemotron 3.5 Lightning,两款开源高效的混合 Mamba-Transformer 专家模型。Super 是 120B 参数、12B 激活的多模态模型,在 SWE-bench Pro 上得分 51.78%,Lightning 是 30B 参数、3B 激活的文本模型。
针对在线西班牙语L2课堂,使用LoRA在人工校正的领域数据上适配开源ASR模型MOSS-Transcribe-Diarize和Whisper large-v3。
开发者 Divyansh Agrawal 发布实验性模型 Qwenputer,基于 Qwen3.5-4B 构建,在神经网络内部实现了 32 位 RISC-V CPU 与内存功能。
研究测量了13个开源检查点在从基础模型到偏好优化各训练阶段的谄媚行为,识别出源于提示词顺从与对话屈服两种不同模式。 基础模型普遍存在对提示词声明的顺从,且排序与后训练模型一致,而对话中放弃正确答案的屈服行为在后训练检查点中普遍出现。 这些结果影响了对谄媚行为的评估策略及针对两种行为的不同治理方案。 ```
10月30日,成立半年多的破壳机器人(PokeBot)发布首个模型产品 RoboAPI,同步首发世界模型 Poke-Aurora。RoboAPI 面向真实物理世界,开发者在适配的机械臂上接入后,仅需一句 prompt 指令即可让机械臂在陌生环境中执行任务,验证其零样本泛化能力。当前该服务非商业化,开发者可通过快速开始文档免费接入。
推荐理由:文章拆解了 RoboAPI 降低开发门槛的逻辑,揭示了具身智能走向 API 化的行业新趋势。
清华大学、智元与无问芯穹联合提出群体经验学习(CEL)范式,在 96 台机器人上完成原型验证,让机器人通过同伴经验提升策略可靠性。在手机包装任务中,参与训练的机器人从 16 台扩展至 96 台,测试成功率从 86.7% 提升至 98.3%。该方案摆脱了对人类示教的依赖,证明了机器人群体规模可直接转化为任务执行能力的提升。
同一新闻,精选展示《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。
智元在A.I.DAY发布会上发布面向物理AI落地的多项成果,包括GO-3 Preview、AGILE、WITA-OMNI、AHA3与灵渠OS 1.0,并宣布与开放原子开源基金会共建中国人形机器人开源社区、2026年底开源灵渠OS 1.0约2亿行代码。
推荐理由:把智元在模型、硬件、操作系统和生产力度量上一次性拉通的信息压缩成一篇完整链路,方便观察具身AI从炫技转向真实部署的关键路径。
Breatic 推出实时协作 AI 工作区,整合文档、Canvas 和 3D 空间,供创意团队协作生成与评审素材。 支持通过 AI 智能体在项目上下文内讨论想法、审查提案,并与协作者同步编辑;图像、视频、音频和 3D 资产生成依赖已配置的模型提供商。 提供在线托管服务和自托管选项,采用基于 Apache 2.0 的 source-available 许可证,禁止未经授权的公开提供。
智元发布GO-3 Preview,称其在RoboDojo、RoboTwin、RoboColiseum三项机器人榜单中取得Top 1,并计划年底全面开源。
Mistral AI 开放了 Mistral Large 4(ML4)模型权重,该模型拥有 1 万亿总参数,在 Artificial Analysis Coding Agent Index 上得分 48%,平均每个任务消耗的 Token 数量减少 47%。
同一新闻,精选展示《Mistral Large 4 (Le Chonk) 上线 Hugging Face:多模态 MoE 开放权重模型》
Phil Hagelberg 代表 Human Emacs 倡议小组在 emacs-devel 邮件列表发起提案,旨在创建一个完全排除 LLM 贡献的 Emacs 分叉。
亚马逊 CEO 安迪·贾西在 2026 年 10 月 29 日的财报电话会上称,AWS 年化营收当前为 1840 亿美元,目标是 5-10 年内达到 1 万亿美元。
Apgar 是一款 AI 智能体发布健康监控工具,通过分析 OpenTelemetry 或 Langfuse 中的 traces,识别工具错误、重试循环等 6 类行为指标异常,无需 LLM 裁判、数据集或存储 prompt。
GHC 社区正式实施 LLM 辅助贡献政策,明确 4 项核心规则与 1 项强烈偏好。 政策强制要求披露直接 LLM 生成内容,保留责任归属人类作者,鼓励手动重写最终版本以确保理解代码。 此举旨在保护维护者稀缺的审查资源,确保提交的补丁清晰且易于审查。
phpClaw 是专为 PHP 设计的通用 AI 智能体运行时,核心零框架依赖,支持 7 种 LLM 提供商并内置 ReAct 循环。 其提供 8 种默认安全防护、可插拔内存抽象及 8 种框架适配器,采用 MIT 开源协议。 开发者可通过 Composer 安装,在数秒内构建具备真实操作能力的智能体应用。
AWS Batch 推出配额管理,支持在 SageMaker 训练任务中跨团队共享 GPU 资源。 管理员可将算力划分为配额份额,配置 LEND 或 LEND_AND_BORROW 策略,自动借出闲置容量。 内置跨份额抢占机制可回收借出资源,结合优先级抢占提升高优任务调度效率。
在 Oxide 云平台上运行自托管 AI Agent 时,应优先使用虚拟机而非容器以获得强隔离性,避免 Agent 干扰其他任务。 推荐架构是将 Agent 编排器部署在长期运行的虚拟机中,并为每个 Agent 会话动态创建临时虚拟机,任务结束后自动关机以简化清理。
Hugging Face 联合 Carnegie Mellon University 等高校及机构宣布启动 Project ProtoStar 计划,旨在让公共资助科研的数据集、模型与代码以 AI-ready 和机器可操作的格式开放共享。
Drupal AI 安全计划启动五个月后,发布 256 条安全公告,超过此前 30 个月总和。 6 月至 10 月每月公告数从 8 条飙升至 106 条,10 月 28 日单日达 39 条。SEIR 资助支持了 87% 的公告处理,证明 AI 使漏洞发现变廉价,流程瓶颈转移至人工审查。
法国公司Mistral表示,其经过进一步优化的开源权重模型Le Chonk现在是“全球最佳”的自动化编码与网络安全模型,参数量达万亿。Mistral称通过输入高难度安全与编码任务,Le Chonk已达到或超越DeepSeek、Z.ai等中国头部实验室模型的水平,且该模型现已免费开放。
推荐理由:原文指出Mistral称新版Le Chonk在编码与安全场景超越中国头部实验室模型,并免费开放权重,可用于理解开源模型的地缘竞争逻辑。
LibTV双十一开启,Wan 3、Kling 4.0、Minimax H3三大旗舰视频模型支持最长30天0积分无限使用。 Seedance 2.5 720P生成价格低至每秒0.17元,年会员享最高1300元立减及3个月会员加赠,首三个月累计加赠超17万积分。 至尊92K年包从40999元降至16999元,活动提供7天保价,老用户升级同享优惠。
企业AI开发中代码生成速度提升导致质量验证瓶颈,NVIDIA NemoClaw通过策略护栏解决OpenClaw等系统的安全隐私问题。 AI将代码成本降低使工程判断力价值上升,质量缺陷集中在集成、信任边界及重试等深层交互层而非基础脚手架。 速度指标如PR数量在AI辅助下失效,需转向审查系统设计、不变量及可观测性以确保生产级可靠性。
天数智芯发布天垓300、彤央TY1200及天数智算软件栈。现场实测显示,天垓300在文生图任务上耗时95.6秒快于H200的112秒;彤央TY1200在断网端侧环境下,运行Qwen3.8-27B的性能达到Thor T5000的138%,并成功运行MicroDuck仿真任务。
推荐理由:实测数据对比了天垓300与H200、彤央TY1200与Thor T5000的性能差异,展示了国产芯片在云边两端的落地能力。
IDC报告显示,2026上半年中国MaaS市场规模达106.3亿元,同比增长889.4%。PPIO是唯一上榜的独立服务商,位居大语言模型MaaS市场第六。 PPIO平台日均Token调用量达3.4万亿,同比增长近20倍;其智能模型网关可降低60%综合Token成本。 报告指出,行业竞争焦点正从“比拼成本”转向“效率竞赛”,独立平台价值凸显。
初创公司 Physical Superintelligence(PSI)宣布利用自研 AI 科研系统 Emmy,在 5 道具有 27 年历史的开放量子问题(OQP)上取得突破,相关形式化证明与验证代码已在 GitHub 开源。
推荐理由:通过5道久悬未决量子难题的攻坚案例,直观展示形式化验证如何将物理假设转化为严谨定理,并揭示其商业化路径指向数据中心能效优化。
中国电信集团科技委主任邵广禄提出,AI安全已转变为生产系统的基础能力,而非单纯约束。 文章构建六层风险地图,指出安全与发展是相互促进的飞轮,并建议纳入国家基础能力建设。 AI安全旨在降低不确定性,加速AI从试点走向核心业务规模化应用。
蚂蚁开源和 inclusionAI 将于 11 月 2 日至 5 日在 2026 世界互联网大会乌镇峰会参展并演讲,聚焦 Agentic AI 与机器人通用大脑。 蚂蚁 2000 余个代码仓库开源,LingBot 系列获 3 万+ GitHub Star,OceanBase 开源集群部署超 20 万套。 通过全栈开源降低行业门槛,加速具身智能与 AI 基础设施的规模化落地。
Endlesstokens 推出按时间计费的大语言模型 API,在有效期内无 Token 限制。3 天服务定价 $36,支持 128K 上下文窗口及每请求 5 张图像。 平台支持 Qwen3.8-27B 等开源模型,每密钥允许 2 个并行会话。兼容 OpenAI、Anthropic 等接口协议,用户需通过 API 直连访问。
文章构建香蕉分拣决策系统,对比 Qwen2.5-VL 3B、Gemma 3 4B、Liquid d1-2B 和 gpt-6.1-sol 在 5 张香蕉图上的 100 次运行结果。 小型离线模型对任何黑斑均判为 TRASH;gpt-6.1-sol 在高推理强度下对重斑香蕉的误判率为 38%,表现不稳定。 作者认为 AI 难以完全替代人类对临界判断的可靠性。
Artificial Analysis 发布的智能指数 v5 因引入“私有测试”受到批评,被指显著拉低开源权重模型在指数中的排名,并抬高 GPT 和 Google 模型的排名。 批评者认为在私有数据集上进行“trust me bro”式私有测试缺乏透明度,使得当前开源权重模型在指数 v5 中排名偏低,此举被认为存在可疑之处。
扩散智能发布Clover-35B-A3B-Preview,这是一款采用MoE架构的扩散语言模型,总参数量350亿,激活参数30亿。在WindTunnel网页Agent评测中,其中位执行时间1.52秒,速度快于Jev+Mercury 2.5组合(3.21秒),成功率98.6%。在SWE-bench Verified代码评测中得分73.6,Terminal-Bench 2.1得分51.7。
Dante 是一款零依赖的命令行监控工具,用于审计 AI 智能体在 Mac、Windows、Linux 及 SSH 服务器上的暴露面,如密钥和配置。 其核心机制是读取并展示证据行,默认离线运行,无遥测或后台更新。 提供 1,111 种秘密格式匹配库,可选的诱饵监控功能每月收费 1.99 欧元。
Funnel内部数据平台Reef在A/B测试中发现,使用GLM-5.2时Agent因未识别20行预览限制而重复执行同一成功SQL查询达113和254次。测试显示GLM单次调用虽比Claude Opus 4.8快一倍,但工具调用次数多66%,整体任务耗时反而长14%。作者指出需明确工具契约、限制Agent行为并评估全系统指标,且同类问题也出现在Kimi K2.6和Qwen3.8 27B中。
AWS发布教程演示在EKS上通过Ray Train DLC和EFA进行分布式训练,通过一个函数和KubeRay清单即可用PyTorch FSDP微调Qwen2.5-1.5B。该方案无需构建镜像,直接复用预置的DLC容器,配置好四台带EFA的g6.12xlarge实例与八个L4 GPU,使双实例间通信性能较TCP提升一倍,同时简化了多节点集群的部署与网络适配。