蚂蚁百灵开源 Ling-3.1-flash 模型并实测其办公与 Agent 能力
蚂蚁百灵开源 Ling-3.1-flash 模型,该模型总参数量约 560B,激活参数约 25B,上下文窗口为 1M。智东西实测该模型在财报分析、个人工作助理、3D 场景搭建及移动端 App 开发等任务中,能完成从需求理解到交付可运行成果的完整流程,且在 Design Arena 开放权重模型评测中多项视觉与开发能力位列前三。
蚂蚁百灵开源 Ling-3.1-flash 模型,该模型总参数量约 560B,激活参数约 25B,上下文窗口为 1M。智东西实测该模型在财报分析、个人工作助理、3D 场景搭建及移动端 App 开发等任务中,能完成从需求理解到交付可运行成果的完整流程,且在 Design Arena 开放权重模型评测中多项视觉与开发能力位列前三。
summary_zh: Anthropic 国际业务负责人普兰森指出,开放式模型在网络安全方面的风险高于 Anthropic 自家闭源模型。 他称无法为开放模型安全作保证,并警告小型 AI 模型可能被用于驱动新型僵尸网络。
CAtt-BiGNN 通过跨注意力二部图网络实现节点位移与单元薄化的联合预测,在自主回归滚动中优于基线模型。 该模型利用节点-单元边编码有限元状态组织,动态更新边表示,并支持大规模图的长程传播。 其在穹顶冷成形和角部热成形基准测试中验证了准确性提升。
论文提出 Sequential Fine-tuning with Averaging (SFA) 方法,通过微调期间周期性参数插值缓解灾难性遗忘。 在 Qwen3-14B 持续学习中,SFA 和 Lookahead 固定配置平均准确率优于测试的回放及自适应合并方法,任务训练时间减少多达 36.3%。
summary_zh: 提出基于共形风险控制(CRC)的 DFT 选择方法,在保持模型误差低于用户指定阈值 $\alpha$ 的同时,将需计算 DFT 的构型比例减少了 7% 和 14%。
针对预训练 LLM,GBLM-Pruner 利用一阶 Taylor 项和校准样本梯度实现无训练剪枝。 该方法在 LLaMA、Qwen 和 DeepSeek 模型的 Zero-shot、STEM 和 Coding 基准中,大幅超越 Magnitude 剪枝与 Wanda,性能与 SparseGPT 相当。
PrismaCoder 提出了一种名为 PrismaForge 的层级数据管线,利用分解的评审标准合成数据并驱动多模态代码模型的强化学习。基于该管线,作者构建了 PrismaCoder-2M 数据集,并训练、开源了 PrismaCoder-9B 和 35B 模型。这些模型在开源领域大幅领先现有最优水平,并与头部专有系统性能相当。
提出推理引导翻译框架,用于构建多语言评测。该框架结合任务感知验证与独立质量筛选,生成了覆盖 11 种语言、包含 7 项安全与数学推理资源的评测集。 在需修复的两个子集中,该集合实现了 99.94% 的预期条目 - 语言对覆盖率。评测开源 LLM 显示,低资源语言中存在显著的推理退化。 这种语言依赖性表明,在英语之外理解多语言模型行为需任务敏感的基准构建。
SAE-IDF 通过稀疏自编码器将符号编码为稀疏码,并利用稀有度对维度重新加权,实现了跨异构符号系统的单位匹配。 在涵盖 6 种符号系统的 12 项任务中,该方法是首个基础性步骤,相比同一 LLM 稠密基线,在使用 Gemma-2-9B 时于全部任务上、在使用 Llama-3.1-8B 时于除一项外的任务上均实现超越,最高提升达 45 分。
summary_zh: AgriJev 作为 Qwen3.5 的适配模型家族,在农业文本评分任务上实现高效推理。其 9B 版本在 17 个外部测试视图中平均准确率达 75.44%,超越原模型 5.89 个百分点。
LLM-jp-4 发布 8B 稠密模型与 32B-A3B MoE 模型,均在约 12 万亿 tokens 上从头训练。 该家族模型强调透明性与可复现性,公布了数据与选型标准,性能超越前代且媲美同规模开放权重模型。 旨在为未来主权 AI 开发提供参考。
阶跃今天正式释放 Step5Preview 权重,开放 BF16 与 FP8 模型权重、技术博客及配套开源开发工具。该模型面向长程 Agent 任务设计,采用稀疏 MoE 架构,总参数量 600B、每 token 激活参数 27B,支持 100 万 token 上下文窗口,并原生支持文本与视觉输入。
Linux内核维护者峰会达成共识,废弃强制性的Assisted-by标签和AI工具使用披露要求。Linus Torvalds明确反对此类规则,认为不应要求开发者在提交代码时声明是否使用了AI辅助编程工具,关键在于开发者是否理解自己提交的代码。
Capsem 是一款基于 Rust 的 macOS 原生 Hypervisor,专为在隔离的 Linux 虚拟机中运行 AI 编码智能体而设计。该系统支持 Claude Code、Gemini CLI 和 Codex 等主流工具,在不到 10 秒内即可启动并加载预配置的 Python 和 Node.js 开发环境。
该开源项目提供针对 Claude Code、Codex、Cursor、Gemini CLI 和 Windsurf 的遥测收集器,以本地结构化事件形式记录 AI 代理操作,不采集提示词、响应或源代码。 所有代理事件统一映射至 agent-event/v0 架构,支持 VS Code 扩展。本地运行优先,数据不离开机器,代码以 Apache-2.0 协议开源,可供用户自行构建分析工具。
BitRun 是一款支持 macOS、Windows 和 Linux 的零编译自包含运行器,专为 Microsoft BitNet b1.58 及 1.58-bit 三元 LLM 设计。
Google Research 在 Research@ 2026 活动中展示 Google Earth AI 扩展、Deep Review 公开化等十项创新。 Earth AI 整合超 1 亿公共数据集,TimesFM 和 TabFM 已集成至 Gemini 支持业务预测。 Deep Review 已向公众开放,支持验证法律及财务报告等技术文档。
Floqer 的 AI 智能体通过跨源搜索和持续监控,自动构建潜在客户列表并丰富账户信息,客户反馈将销售前期研究时间减少多达 70%。 系统利用 100 多个第三方数据源,采用“瀑布”法验证联系方式,并实时同步职位变动等更新。目前 Floqer 年收入超 120 万美元,计划 2027 年初开源其自主客户知识数据库技术。
Linus Torvalds 在 2026 年内核维护者峰会表示,经过数月调教 LLM 后已不愿离开该工具工作流,但他强调问题核心在于开发者未掌握工具而非工具本身。峰会决议取消内核补丁的 Assisted-by 标签要求,认为该机制已失效且容易引发隐瞒,转向允许在 cover letter 中说明 LLM 使用情况。
中国在AI算力上落后,H100等效芯片仅280万张,约为美国的1/5,且50%依赖走私。 美国2026年AI支出达7640亿美元,远超中国的1020亿美元,且电网扩展速度更快。
2026 全球开发者先锋大会暨国际具身智能技能大赛将于 10 月 23 日至 25 日在上海浦东举办。 大会设 9 大赛道、23 个赛项,千余支队伍参与,超万台机器人已入驻张江人工智能创新小镇。 活动聚焦“训 - 赛 - 产 - 融”产业闭环,发布中国移动·时空智能模型及五大行业标准。
作者借助 LLM 安装 Prusa INDX 和 Gen2 升级套件,将官方指南载入上下文窗口以解决组件归属及步骤重组等安装疑惑。 LLM 还通过阅读 Prusa-Firmware-Buddy 固件代码协助排查故障,成功定位出皮带安装中齿数不均导致校验失败的问题。 该实践验证了 LLM 在处理非编程类工程文档与固件调试任务时的有效性。
AI 可解释性研究存在大量“死三文鱼”伪影,探针和稀疏自编码法甚至能在随机初始化网络上生成看似合理的解释。作者主张将解释视为统计模型的参数,需通过量化不确定性并检验替代假设来区分真效。此举旨在解决可识别性问题,减少伪发现,推动 AI 可解释性成为严谨科学。
该项目允许开发者创建资助页面,通过 GitHub 徽章让社区为 Claude Code 等工具的 Anthropic API 用量付费。 单次充值增加固定 AI 额度,支持 Stripe 支付,无账户门槛;平台抽成 5%,余额耗尽自动停止请求。 开发者免费使用,公开 GitHub 身份,不获取代码库权限。
Konnect 发布了 KiCad 10 的 AI 辅助 PCB 设计 BETA 版本,这是一个基于 Rust 的单一二进制 MCP 服务器,支持通过 Model Context Protocol 让 AI 助手进行原理图绘制、PCB 布局及制造导出。
特斯拉官方宣布赛博无人驾驶电动车(Cybercab)全国巡展扩大至苏州、深圳、宁波、上海及成都,覆盖 10 月中旬至 11 月上旬。 该车型 2026 年 4 月启动正式量产,采用“拆箱式”制造工艺提升生产效率,目前已在得州搭载付费乘客。 马斯克称欧洲城市有望不久后体验 Cybercab 无人驾驶服务,市场布局正逐步拓展。
Qoder 团队推出全托管 Agent 平台 Qoder Cloud Agents,支持在云端运行复杂任务并实时返回结果。 平台提供开放 API、多语言 SDK、CLI 及 Skills 集成方式,底层通过 Managed 层处理运行与会话状态,上层 Forward 层封装用户身份、记忆、IM 渠道及定时任务能力。
LibTV与抖音“未来导演扶持计划”达成合作,通过算力、工具及流量支持推动AI综艺创作,降低制作门槛与成本。 单集成本降至2000-5000元,@十万个挑战账号获189万赞,抖音相关话题播放量超2876.4万次。 此举帮助创作者以更低试错成本验证创意,助力AI综艺从偶然爆款向长期IP经营转型。
作者在 CPU-only 的 Linux 环境下实测 PI-Desktop 0.16.1 搭配本地 1.7B 模型:安装和启动很快,子代理(subagent)机制在简单任务上表现可用,但 Plan 和 Goal 模式因模型能力不足而生成了虚构路径;同时测试发现应用存在 Goal 模式自动切换权限、OS 密钥链宣传与实际文件存储不符等与模型无关的应用层缺陷。
openJiuwen 首发个人知识空间,支持多源采集与整理,让办公智能体按需使用。 该功能支持手动/定时采集,提供三种整理方式,实现知识复用与追溯。 测试显示任务通过率提高 32%,总耗时减少 76.2%,token 消耗减少 84.1%。
破晓智能联合天珑移动发布SeePhys Hub,通过四目头环、腕部手环等稀疏节点补全Ego数据缺失的全身交互信息。设备同步精度不超0.5ms,头环重量不超220克,旨在探索中间层数据获取方案。破晓团队计划2027年推出全模态世界模型,优先在工业及餐饮零售场景验证。
研究者提出Circuit Condensation技术,通过后期训练和剪枝将模型行为浓缩至更小的因果图。 在32项对比测试中,该方法生成的电路规模比最强基线平均小8.1倍,最大达316倍。结果表明权重更新而非单纯搜索是电路规模缩减的关键驱动力。
OxyGen 通过统一 KV Cache 管理解决 Mixture-of-Transformers(MoT)视觉-语言-动作(VLA)模型的多任务并行推理瓶颈,实现最高 3.7 倍加速。
LLMRec 提出了针对 LLM 的推荐系统基准,在 ChatGPT、LLaMA 和 ChatGLM 等模型上评估了五项推荐任务。 测试结果显示,LLM 在基于准确率的序列和直接推荐任务上表现中等,但在基于可解释性的任务上性能可与 SOTA 方法媲美。 代码、处理数据和基准结果已公开,旨在推动研究者深入探索 LLM 在推荐领域的潜力。
FIRE 是一种无训练多保真度(MF)回归框架,结合表格式基础模型(TFM)实现零样本上下文贝叶斯推断。 该框架通过高保真校正模型利用低保真模型的后验预测分布进行跨保真度信息传递,在 31 个基准问题上优于 7 种 SOTA 方法,具有准确性和不确定性量化优势。 受限于上下文窗口大小及预训练 TFM 质量。
研究人员提出 JNO 知识编辑框架,通过联合优化解决大语言模型中涟漪效应的耦合压力,在 RippleEdits 数据集上提升指标至少 7.0%。 JNO 实例化 Pressure-Aware Coordination (PAC),联合优化邻域目标表示并应用语义预执行门控,拒绝高风险目标计划。 该方法在保持跨骨干模型编辑稳定性的同时,实现了传播与保留指标的双重提升。
提出一种支持多银行隐私保护的 GNN 推理框架,在 IBM AML 基准上性能与明文基线相当,消费级 GPU 端到端分类耗时 5.31 秒。 核心采用 CKKS 全同态加密方案,通过边中心 GNN 架构将消息传递转化为明文-密文矩阵乘积,并用复合多项式近似非线性激活。 该设计确保银行交易特征全程加密,服务器无法接触明文数据或预测结果,适用于反洗钱场景。
研究提出 AlignMerge 框架,在 LLaMA-3 8B、Mistral 7B 等五个模型族上,通过几何约束优化使模型合并在提升对齐指标的同时保持或超越最佳专家模型的表现。
OPTIC-ER 是一种使用注意力引导 actor-critic 架构的强化学习框架,能在尼日利亚 Rivers State 高保真模拟中管理调度环境。 核心创新包括编码动作次优性的 Context-Rich State Vector 和惩罚低效的 Precision Reward Function,基于 TALS 框架构建以支持低资源部署。
系统 Steertuning 使机器人能在 5 分钟内通过 5 个人类演示学习新环境中的新任务,跨 12 个任务达成 71% 成功率。 系统预训练一个 400M 参数的扩散策略模型,基于 100 小时第一人称人类交互数据;微调仅需 2 分钟(2000 次更新)。 方法支持从实验室到厨房等多种新环境的本体迁移,全套数据集与代码将公开。