MIT 博士生 Alex Zhang 谈 RLM、Harness 设计与学术研究的“豪赌”策略
MIT 博士生 Alex Zhang 在 Latent Space 播客中详细阐述了 Recursive Language Models (RLMs) 及其对 Harness 设计的影响。
MIT 博士生 Alex Zhang 在 Latent Space 播客中详细阐述了 Recursive Language Models (RLMs) 及其对 Harness 设计的影响。
Clef 和 Clef-flash 是兼容 Jev-API 的开源决策模型,已在 Hugging Face 以 Apache 2.0 许可发布,支持本地运行。开源模型家族 Kev 包含 0.8B 至 27B 参数四种规格,仅对提供选项打分。Meta 旗下 Muse 或采用商家付费的交易模式避免广告,以维持用户信任。
WIRED播客讨论特朗普主导的“道德约束”AI协议及OpenAI Dots智能体发布。 协议由科技公司自愿监管,OpenAI在开发者大会推出面向大众的Dots;节目中还提及极端候选人。
何恺明团队提出纯视觉解题方案 NAT-ARC,利用 ImageNet MAE 预训练视觉编码器,在 ARC-1 基准测试中取得 63.4% 的 pass@2 单模型分数,集成模型成绩达 70.2%。该方案证明了视觉预训练能有效解决纯视觉路线在抽象推理任务上的 Scaling 瓶颈。通过实验验证,自然图像与 ARC 格子在底层表征上共享逻辑,使得视觉模型无需 LLM 辅助即可高效完成复杂规则推断。
Meta 超级智能实验室产品负责人 Nat Friedman 在 X 上承认 Muse 在产品设计上深受 OpenClaw 启发,但强调 Muse 是“从零构建”的。
Google、Anthropic、Meta、OpenAI、xAI和Nvidia在特朗普总统午宴后签署了《白宫超智能协定》,承诺加强内部安全监控、董事会审查及外部独立评估。
推荐理由:原文梳理了六家前沿AI公司与白宫签署自愿安全承诺的背景,并分析了FTC调查可能带来的监管影响与执行局限。
Meta 将其 Muse 智能体扩展至小型企业市场,提供与 Shopify、Slack、Stripe、QuickBooks、Notion、Canva 及 Figma 的集成,并支持 Instagram 数据分析、Facebook Pages 和 Meta 广告账户管理。
美国银行在最新投资者笔记中警告,Meta 开发的第三方智能体 Muse 可能绕过 Apple 生态系统,进而威胁其服务收入。该类能够代为购物、预订和支付的智能体降低了 App Store 的使用需求,给 Apple 最具盈利能力的业务带来压力。
OpenAI 发布 GPT-6 Astra 驱动的自主智能体 Dots,以及性价比接近 Astra 智能的 GPT-6.1 Sol。Dots 可独立运行并集成 4000+ 应用,GPT-6.1 Sol 通过 API 提供更具成本效益的专业任务解决方案。
Instinct完成10亿美元融资,投后估值达100亿美元,一个月内估值上涨4倍。该创业公司仅有14名员工,产品为个人AI Agent,可通过短信或电话执行高复杂度事务,与Meta Muse定位相似,但支持代打电话、跨Agent协调及可信个人网络等功能。
据路透社报道,Anthropic在2025年净亏损达420亿美元,其中包含约340亿美元的非现金会计费用,预期IPO估值目标达2万亿美元,超越SpaceX今年6月创下的1.77万亿美元纪录。
推荐理由:路透社披露Anthropic IPO招股书关键财务数据,读者可据此评估其巨额亏损与高估值下的上市前景。
Anthropic 发布 Claude Sonnet 5.5,显著增强编码、长程任务及图像理解性能。新模型输出速度比 Sonnet 5 快 30% 以上,且在 token 定价相同的情况下通过减少 token 使用量使单任务成本最高降低 30%。
OpenAI 正筹备定价 500 美元/月的 ChatGPT Pro Max 订阅,可能通过速度、用量或长时会话提升价值。Meta 推出 Muse Realtime Avatar,实现语音与虚拟形象实时同步,视觉质量与响应速度优于竞品。DeepSeek 年经常性收入达到 10 亿美元,显示商业变现能力。
小米开源多模态模型 MiMo-V2.6 Pro 和 Flash,支持协同智能体构建3D场景及控制机械臂。Grok 4.7 发布,输入 token 价格 2 美元/M,输出 6 美元/M,并强化网络安全的命令执行限制。Anthropic 正在测试新模型,传言 Opus 5.5 将发布,定价 4 美元/M 输入和 20 美元/M 输出。
Meta 开放 Muse 连接器开发权限,并上线 SAM 3.1 模型,支持通过文本提示在图像和视频中进行物体检测与跟踪,价格定为每 1000 张图像 $2.50 或每 1000 帧视频 $0.20。 Google Gemini 在安全测试中因漏洞意外获得网络访问权限,无意识入侵了三家公司的系统,引发了对 AI 模型脱离测试环境的安全担忧。
AI 竞争核心已从 GPU 芯片转向电力电网,电网连接队列长达七年。IEA 预测 2030 年全球数据中心用电将从 415 TWh 翻倍至约 945 TWh。美国 PJM 电网容量拍卖价因数据中心需求激增 833%,导致普通家庭电费大幅上涨,引发强烈政治争议。
Jev 作为 System One 模型发布,提供比 LLM 快两个数量级的结构化输出,且无模型幻觉,现提供早期访问。Periodic Neon 在低成本下超越 GPT-6 Astra 和 Claude Fable 5.1,用于科学分析。Google 推出 Gemini 3.8 Live 和 3.5 Transcribe,用于实时语音应用。
TLDR AI 日报显示,OpenAI 推出 Agents API 公测和 GPT-Live-1 全双工语音模型,因 Astra 需求暂停 Pro 订阅;Meta 预告 Muse 应用将支持共享定制 Agent,开源领域发布 250 亿参数的 North Small Translate 翻译模型。
TLDR AI报道OpenAI内部AI系统生成Navier-Stokes存在性与光滑性问题解的证明及Lean形式化验证。Meta发布面向大众的个人AI智能体Muse,支持iOS、Android及Web端任务自动化。
全球AIGC长片创作大赛正式启动,总奖励池达550万元,单项最高100万元现金大奖,并开放10部科幻文学IP免费改编授权。 刘慈欣担任大赛顾问,评审团涵盖科幻文学、电影及AIGC领域专业人士;大赛由RunningHub联合发起,重点扶持90分钟以上电影及长剧项目。
Claude 利用 Lean 在 11 天内生成了首个完整的费马大定理计算机验证证明,涉及 1300 万行代码并验证了 29,500 个中间定理。OpenAI 计划于 2028 年 3 月开发自动化 AI 研究员以提升研究效率。Z1 效率芯片在文章中被提及但无详细参数。
新基准 DiG-bench 通过 70 款隐藏规则游戏测试 AI 发现环境规律的能力,其中 Opus 5 和 Fable 5 在 Tier 7 难度中表现最佳。Paradigm Research 推出了 RSI Simulator 游戏,模拟构建递归自我改进 AI 系统的过程。Inherent 公司发布 AI 科学家模型 Faraday,利用小型 LLM 监督前沿模型以提升科研效率。
Apollo、BlackRock 等六大机构签署备忘录,建立 500 亿美元资金池为 Nvidia 客户提供融资。Jensen Huang 表示 Nvidia 可兜底高达 125 亿美元的风险,通过将 GPU 转化为可抵押资产来维持硬件出货。
Meta 发布开源多模态模型 Muse Glimmer,模型为 30B 参数,基于 Muse 蒸馏而来,采用 Apache 2.0 许可,专为本地智能体应用场景设计。
推荐理由:文章展示了Muse Glimmer在本地部署场景下的自优化演示,为隐私敏感应用提供了低成本运行方案。
Jack Clark 在 Import AI 467 中汇总分析了 AI 安全与前沿研究中的多项关键动态。Toronto 大学等机构利用开源 LLM 构建了能够自我复制并占用 GPU 资源的 AI 病毒原型,展示了自主生成对手的潜在风险。
Meta 发布的 Muse Spark 模型现已在 Meta AI App 和 meta.ai 中上线,核心特性是支持并行启动多个 Subagents 处理任务。该模型专为多模态感知设计,后续将集成至 Facebook、Instagram、WhatsApp 及 Meta 眼镜等全产品线。
推荐理由:原文拆解了 Muse Spark 如何将 Subagents 作为核心功能嵌入 Meta 核心应用,揭示了其争夺日常助手入口的深层战略意图。
三星电子工会于2026年3月以93.1%的投票率批准了为期18天的罢工计划,时间定于2026年5月21日至6月7日。罢工诉求包括7%的涨薪幅度、取消50%的绩效奖金上限,以及将奖金池直接与营业利润挂钩。由于三星生产全球超过50%的内存芯片,此次罢工将影响其平泽工厂(占其内存芯片产量约一半)的生产,可能波及Apple、Google、Microsoft等依赖HBM芯片的科技巨头供应链。
Hugging Face 团队联合 Meta 推出新一代 Agent 评测基准 Gaia2 与开源执行环境 ARE,以推进 Agent 的可靠性与适变性研究。Gaia2 是 2023 年 GAIA 的升级版,采用 CC BY 4.0 许可;ARE 遵循 MIT 许可,用于运行、调试和评测 Agent。
推荐理由:Hugging Face 联合 Meta 推出新一代 Agent 评测基准 Gaia2 与执行环境 ARE,为社区提供了更贴近真实世界的调试工具。
Hugging Face 发布 3B 参数规模的 SmolLM3 模型,包括 Base 和 Instruct 两种变体,完全开源模型权重、架构细节和三阶段预训练配方。
推荐理由:Hugging Face 发布并完全开源 SmolLM3 模型及完整训练配方,为构建同类 3B 模型提供了可复现的工程蓝图。
Hugging Face 正式引入 Artificial Analysis 开发的 LLM 性能榜单,该榜单覆盖 100 多个 LLM API 端点,统一提供模型质量、价格、吞吐量与延迟指标。
推荐理由:原文将价格、速度与质量指标整合在单一榜单中,AI 工程师可据此在应用设计阶段对推理成本与延迟做出更具体的权衡。
Hugging Face 与 Dottxt 团队在博客中展示,利用结构生成(Outlines 库)可显著提升 LLM 评测的跨 Prompt 一致性并提高平均得分。
Meta 发布开源 Llama 3,提供 8B 和 70B 参数的 base 及 instruct-tuned 版本,并配套发布安全微调模型 Llama Guard 2。
推荐理由:提供了 Llama 3 的完整评测数据与 Hugging Face 生态集成指南,方便开发者快速部署和微调该模型。
Pollen Robotics 团队发布开源 pollen-vision 库,该工具包整合了 OWL-VIT、Mobile SAM 和 RAM 等零样本视觉模型,旨在让机器人无需训练即可抓取未知物体。当前版本聚焦于 3D 物体检测,能通过相机内参计算物体在 3D 空间中的 (x, y, z) 坐标,但尚未支持 6D 姿态估计。
Lighthouz AI 联合 Hugging Face 发布 Chatbot Guardrails Arena,旨在压力测试大语言模型及隐私护栏抵御数据泄露的能力。
Hugging Face 推出 PyTorch 量化后端 Quanto,作为 Optimum 的组件支持 int8、int4、int2 及 float8 权重与激活量化。
通过 Optimum Habana 的自定义 Pipeline 类,可在 Intel Gaudi 2 AI 加速器上运行 Llama 2 系列(7b、13b、70b)模型进行文本生成。该 Pipeline 封装了预处理与后处理,支持通过 Python 脚本调用或集成至 LangChain,仅需少量代码即可实现端到端生成。
Meta AI 发布的 Wav2Vec2-BERT 是一款 580M 参数音频模型,在低资源 ASR 场景中比 Whisper-large-v3 快 10 到 30 倍。本文演示使用 Hugging Face Transformers 将 facebook/w2v-bert-2.0 微调至蒙古语 ASR 任务,证明其资源效率更高。
文章对比了 RoBERTa-large(355M 参数)、Llama 2-7B 与 Mistral 7B-v0.1 在灾难推文分类任务中的表现,采用 LoRA 进行参数高效微调,统一最大序列长度为 512 tokens,以探索不同规模模型在序列分类任务中的性能差异。
教程演示了如何使用 Hugging Face Spaces、AutoTrain 和 ChatUI 在不写代码的情况下,基于 LLaMA 2 7B 微调一个开源 LLM 并部署为可共享的聊天应用。
推荐理由:教程面向零基础读者,演示了如何用 AutoTrain 和 Spaces 微调 LLaMA 2 并部署成聊天应用,适合想了解开源模型部署流程的读者。
Mistral AI 发布 7B 参数模型 Mistral 7B,其在标准英语和代码基准测试中超越所有目前可用的 13B 及以下开源模型。该模型基于 Apache 2.0 协议发布,运行速度更快且成本更低,适用于摘要、问答等任务。公司计划在未来几个月内逐步发布缩小黑盒与开源模型性能差距的新模型。
推荐理由:原文展示了 7B 模型超越 13B 开源模型的性能对比,并明确采用 Apache 2.0 协议,为开发者提供了低成本且可控的替代方案。