跳到正文
11月17日周二
  1. arXiv · NLP34

    医学 LLM 评估中的自我偏好:裁判并非 impartial

    研究显示 LLM 裁判在医学评估中存在自我偏好,8 个模型在 13,760 次判断中均倾向于给自身生成的答案更高排名或分数。在 Real-POCQi 测试中,合并后的 Answer Rank Bias 为 +1.22 位置,揭示生成者身份仅使该偏倚平均减少 0.094 位置。临床 AI 部署应使用多模型裁判小组以增强评估公正性。

  2. 36氪73

    DeepSeek 因算力资源紧张推出对话限额措施

    DeepSeek 因算力资源供给紧张,面向普通用户的 App 及网页版对话服务推出限额使用措施。具体包括限制存续超过 7 天且无活跃交互的长对话,下调单次输入文本上限至约 4 万字,并限制每日对话额度。行业分析认为此举意在回收闲置会话占用的 KV 缓存资源,优先保障活跃用户的推理需求。

    同一新闻,精选展示《DeepSeek实施限额策略,腾讯社交生态应对AI陪伴成本挑战》

  3. 36氪71

    豆包与WorkBuddy决战办公Agent:字节追赶腾讯,模型让位于工作台

    字节与腾讯正通过办公Agent抢占企业市场。腾讯WorkBuddy领先,9月桌面端访问量达8500万次,而豆包工作为3000万次。为追赶差距,豆包工作全面接入第三方模型,并提供DeepSeek限时免费优惠。文章指出办公Agent是巨头在基模落后阶段的现实选择,且模型已降级为可替换的零件,核心壁垒在于办公上下文。

  4. Hacker News AI81

    FBI 警告开源 AI 渗透测试框架 ARTEX 正驱动全球网络攻击

    FBI 发布 FLASH 通告,警告黑客正利用名为 ARTEX 的 AI 自主渗透测试框架对全球多个行业的组织发动自动化网络攻击。ARTEX 是一个用 Go 编写的开源框架,它通过集成 Anthropic Claude、OpenAI GPT、DeepSeek 等外部 LLM,将攻击者的目标转化为指令,由 AI 代理自动执行侦察、漏洞发现、提权和数据窃取。

    推荐理由:原文梳理了FBI对AI渗透测试框架ARTEX武器化使用的警告及具体攻击案例,提供了防御者的监测指标与应对方向。

  5. The Decoder44

    Moonshot AI转向Kimi科学应用:因编码收益递减,BioMaster测试中AI分析效率提升

    Moonshot AI将Kimi模型重心转向生物、化学及制药研究,因编码领域收益递减。 Kimi K3.1 Pro集成于DP Technology的BioMaster中,90分钟分析3,696个细胞数据并标记100个基因,替代约4小时人工工作。 TCSExam基准显示领先模型无法独立解决未决猜想,制药行业对AI提升药物研发成功率的预期仍低。

11月16日周一
  1. 量子位89

    阿里巴巴正式发布Qwen4-Max,智能体与编程能力大幅进阶

    阿里巴巴正式发布全新一代基座大模型Qwen4-Max,总参数2.4T,原生支持视觉能力与百万上下文。新模型采用MoE架构,每次尝试平均Token用量较上代减少近50%,完成单个任务的平均费用降低58%。在CodeArena全球盲测中,Qwen4-Max前端排名全球第6;同时,Qwen4-Max已上线千问AI平台提供API服务,其系列中的中小尺寸模型将陆续开源。

    同一新闻,精选展示《阿里通义千问发布 2.4 万亿参数旗舰模型 Qwen4-Max,任务成本降低超 60%》

  2. arXiv · NLP36

    LLM 身份指纹的传染性:模型如何继承前序对话者的特征

    研究发现 LLM 身份指纹具有传染性,模型会继承前序对话者的特征,导致 API 中继审计失效。 DeepSeek 替换 Claude Sonnet 时,检测器识别率从 0.97 降至 0.72;Haiku 降级后从 0.87 降至 0.54。 提出的 Lineup 方法通过对比相同历史下的参考分布进行审计,假阳性率为 0.056,有效识别 0.81 的替换会话。

  3. arXiv · ML36

    Cyber-Zero:无需运行时的网络安全智能体训练框架

    Cyber-Zero 是首个免运行时框架,通过逆向工程 CTF 题解生成智能体轨迹,在三大基准上较基线提升最高 11.4%。 该框架利用公开 CTF 题解与角色驱动 LLM 模拟,无需实际环境即可生成长程交互序列。 其最佳模型 Cyber-Zero-32B 在开放权重模型中创 SOTA,性能媲美 DeepSeek-V3-0324 与 Claude-3.5-Sonnet。

  4. arXiv · AI30

    LLM 基准置信度信号的有效性筛查框架

    提出一种可移植的有效性筛查方法,用于评估 LLM 基准中置信度信号是否随正确率变化。 在 20 个前沿模型 452 题测试中,15 个模型信号有效,1 个无效,4 个不确定;1500 题 MMLU 测试显示判定依赖切分点。 该筛查分离了盲目自信、盲目撤回和反转,仅当信号可测量地追踪正确率时才标记为有效。

  5. 36氪76

    字节阿里百度火拼新战场:MaaS半年破百亿,火山引擎份额45.1%

    2026年上半年国内MaaS市场规模达106.3亿元,同比增长889.4%,火山引擎以45.1%的份额断层领先。字节、阿里、百度等厂商为适应这一新赛道进行组织重构,MaaS成为云厂商争夺AI时代客户入口的核心战场。

    推荐理由:通过对比MaaS与传统IaaS的份额变化,揭示了云厂商从资源销售向模型服务入口转型的深层逻辑。

  6. IT之家60

    DeepSeek应用及网页端因算力压力实施长对话与日额度限制

    DeepSeek 对 App 与网页版长对话功能实施限额,不再支持超过 7 天不活跃的对话,单次输入上限缩短至约 4 万字,每日对话额度达到上限后页面将显示受限提示。此限制是 10 月以来平台多起服务中断的延续,OpenRouter 数据同时显示 DeepSeek V4.1 Flash 在 10 月下旬一周内调用量环比大增 801%。

  7. Hacker News AI69

    12个AI模型1200次编程观点实验显示模型高度趋同且缺乏对C#的讨论

    JetBrains研究人员询问12个最新AI模型关于编程语言的争议观点共1200次,结果显示模型观点高度趋同,75%为攻击性评价,Python、Rust和TypeScript成为主要靶标,而C#未获得任何专门讨论。模型在Go语言错误处理上出现分裂,部分模型甚至对同一问题给出相互矛盾的看法。

  8. Hacker News LLM82

    通过修改 LLM 输出层单行权重停止过度思考

    作者通过修改 </think> 行的输出层权重,在免训练条件下让模型根据隐藏状态判断何时停止思考。在 Qwen3.5-4B 上,该方法在保持准确率的同时减少 54% 的 token 用量;在 DeepSeek V4.1 Flash 763B 上,解决数学题的 token 用量降低 40%,且代理任务的盲评得分最高。

    推荐理由:提供免训练的单行权重修改方法,读者可复用在本地模型以缩短思考时间并节省token。

11月15日周日
11月14日周六
  1. 量子位86

    DeepSeek 开放全家桶 API 支持语音识别与搜索功能

    DeepSeek 正式开放应用 API,支持联网搜索、深度思考、文件上传、链接阅读及语音识别与语音合成独立调用。V4.1-Flash 模型在 Messages、Responses 和 Chat Completions 接口下支持这些扩展功能,并开源了轻量级聊天前端 Demo。

    同一新闻,精选展示《DeepSeek 开放全家桶应用 API,支持 1:1 复刻 App 并开源 Demo》

  2. IT之家85

    黄仁勋离任英伟达 CEO,华尔街对 AI 投资热潮反应平静

    IT之家报道,黄仁勋离任英伟达 CEO 后,英伟达股价短暂暴跌但迅速收复,博通和 AMD 股价随之上涨。多位华尔街分析师指出,AI 产业已不依赖单一企业,市场需求依然强劲,此次变动不会改变 AI 投资格局,算力基础设施建设热潮预计将持续。

    推荐理由:华尔街观点认为市场将寻找替代方案,短期波动未改变对AI算力长期需求的预期。

  3. IT之家36

    DeepSeek 前端代码发现“额度耗尽”逻辑,推测将推首个 C 端付费方案

    开发者在 chat.deepseek.com 前端代码中发现完整额度管理逻辑,支持每 5 分钟轮询各模型额度状态。 代码涵盖剩余额度实时同步、耗尽即时提醒及恢复通知,指向名为“Coding Plan”的专属套餐,社区推测其将随 DeepSeek V4.1 Pro 上线。 官方尚未公布订阅方案价格与日期,此前个人收费仅靠 API 按 Token 计费。

  4. Hacker News AI72

    Artificial Analysis 发布端点准确率指数 1.1 版本,显示四分之一第三方 AI 端点性能低于官方基线

    Artificial Analysis 发布端点准确率指数 1.1 版本,对比了 100 多个托管端点与官方权重基线,发现约四分之一端点得分低于参考部署。1.1 版本将长上下文重复测试从 10 次增加到 25 次,平均 95% 置信区间从正负 4.7 点缩小至正负 2.6 点,并将覆盖范围扩展至 DeepSeek V4.1 Flash 1017、GLM-5.3 等六个模型。

11月13日周五
  1. IT之家91

    DeepSeek 开放全家桶应用 API,支持 1:1 复刻 App 并开源 Demo

    DeepSeek 宣布开放全家桶应用 API,开发者在原有 API 中开启参数即可使用深度思考搜索、文件输入及联网抓取功能,实现与完整 DeepSeek App 一致的能力。官方同时提供了独立的搜索、OCR、ASR 及 TTS 接口,并开源了支持导入历史对话的轻量前端 Demo。使用相关扩展功能需额外支付调用费用,其中文字与图片搜索、网页抓取均定价为 5 元/千次。

    推荐理由:DeepSeek 开放了包含深度思考搜索、多模态输入及底层语音接口的全家桶 API,并提供前端 Demo 与详细计费标准。

  2. LessWrong · All Posts65

    Tencent Fleet 公共数据发布

    Concurrent 发布与 Tencent fleet 相关的公共数据记录,包含 3000 多条 URLQuery 报告、775 个 httpbin 载荷、377 条 ntfy.sh 消息、627 条邮箱消息以及 78 条通信记录。数据集旨在帮助理解 AI 集群行为并改进防御策略,已公开至 GitHub,敏感 API 密钥已做脱敏处理。

  3. R/ArtificialInteligence75

    研究者发现中国头部 AI 实验室使用 NVIDIA Blackwell 芯片训练最新模型

    Unemployment Labs 的取证分析发现,DeepSeek、Kimi、MiniMax 和 Ant Group 的最新模型权重指纹与 NVIDIA Blackwell 芯片匹配。这些指纹特征保留了训练时使用的 GPU 和 seed 信息,且不同于这些实验室之前使用的 Hopper 芯片,为出口管制下的芯片流向提供了技术证据。