SPECTRA 一键将 LLM 压缩 3 倍,近无损且占用 RAM 低于 50 MB
SPECTRA 实现 LLM 3 倍压缩,近无损且 RAM 占用低于 50 MB。 采用 Group-32 微缩放与 Triton GPU 内核,解决 Mamba-2 等架构兼容性及高预处理延迟问题。
SPECTRA 实现 LLM 3 倍压缩,近无损且 RAM 占用低于 50 MB。 采用 Group-32 微缩放与 Triton GPU 内核,解决 Mamba-2 等架构兼容性及高预处理延迟问题。
Meta 在全球范围部署 AI 年龄估算系统,以识别 Instagram 上虚报年龄的青少年,并自动将数百万用户纳入 Teen Account 保护机制。 该系统通过分析用户互动的账户内容、生日消息及照片中的视觉线索进行年龄识别,此前已在美国、欧盟和巴西试点,美国家长将于下月收到相关通知。
印度 AI 机构 169Pi 宣布发布多模态模型 Alpie Seed 9B,但被发现在 Hugging Face 仓库中直接基于 Qwen3.5-9B 微调,并通过修改 chat_template.jinja 中的提示词强制模型声称自己为印度制造。
研究定义 8 条执行层安全不变量,并对比内存运行时 HCP 与独立网关 B3 对 18 种违规行为的拦截能力。 在 AgentDojo 测试中,两者均拒绝恶意调用但误拒 40 次合法请求;HCP 额外开销 0.13 ms/workflow,状态占用 7.7 MB,验证了不变量在集中式与网关设计中的通用性。
TriSpec 提出三值推测解码框架,利用轻量级代理替代全模型验证以降低成本。 该框架可集成 EAGLE-3,相比标准 SD 最高实现 35% 加速,减少 50% 目标模型调用。 论文已被 NeurIPS 2026 接受。
提出 AMTFV 框架,通过数学工具流解耦验证建模与执行,支持精确计算。 在五个高难度数学推理数据集上,AMTFV 整体优于基线模型,单项配置下平均准确率比最强基线最高提升 8.3 个百分点。 该方法在中等及高验证复杂度的样本上提升效果更为显著。
研究提出SAVOIR框架,利用合作博弈论中的Shapley值解决语言智能体在社交互动中的信用分配问题。该框架通过预期效用和Shapley值,实现了对话结果归因的理论化。在SOTOPIA基准测试中,其7B模型性能达到SOTA,超越GPT-4o和Claude-3.5-Sonnet等专有模型,证明社交智能依赖不同于分析推理的定性能力。
研究者提出可重构动作理论(RAT),允许在 Agent 执行中动态变更工具与策略。 RAT 将模块加载/卸载建模为普通因果动作,并证明了推理任务计算复杂性及向 ASP 的转换能力。 实验对比了 DeepSeek Harness 等实现,RAT 为检查组件变更对可用动作及可达目标的影响提供形式化基础。
新基准 DFT-Agent Bench 评估了 200 多个 Quantum ESPRESSO 任务。完整 v5.1 脚手架在多个维度上提升了性能。 该基准包含带有参考值验证的 QE 衍生真值。provenance 审计检查执行合同是否满足。 在两个模型上,bands+DOS 指标分别提升 +0.08 和 +0.11。d-electron vc-relax 提升了 +0.17。
提出策略多样化强化学习(SDRL)框架,训练开源 LLM 解决工业级优化问题。 该框架通过正确性门控的层级多样性奖励防止策略坍缩,支持自包含文本与文件基实例混合训练。 在工业级优化任务上,SDRL 的平均性能优于 DeepSeek-V4-Pro 和 GPT-5.5,代码与数据已开源。
研究发现大语言模型(LLM)表现出确认偏误,倾向寻找支持而非反驳假设的证据,导致规则发现率降低。 通过提示模型考虑反例,平均规则发现率从 42% 提升至 56%;知识蒸馏该干预行为可泛化至新领域,如数学自我纠错。
欧美反数据中心浪潮导致美国41%规划产能受限,中国大模型周Token调用量突破4万亿并超越美国厂商。 中国西部0.35元/度绿电与MoE架构,使中国AI推理成本具备碾压优势,成为行业转折点。
一名律师在 Reddit 分享其用八块 2018 年款二手 Nvidia Tesla V100 GPU 构建的私有 AI 服务器,确保案件文件不离开办公室。
Handshake AI 训练业务收入一年内达 10 亿美元年化总额,Garrett Lord 团队展示前沿实验室如何采购数据并构建强化学习环境。 节目演示了金融、生物、编码及对齐四大场景下的 Agent 任务,包括银行邮件处理、脑组织图像识别及文件访问审计,并引入 VIALS 与 ATLAS-Finance 基准测试模型在专业领域的能力短板。
作者反驳认为只有云端前沿模型才能完成实际工作的观点,指出许多用户因缺乏本地 AI 知识而产生认知偏差。 文章列举 llama-swap、llama.cpp 及 HyperQwen 等工具,强调本地部署涉及控制权归属而非单纯成本或扩展性。 作者主张在个人计算中保留“数字主权”,避免将 AI 能力控制权完全交给寡头垄断。
文章探讨 DeepSeek 是否能在 AI 智能体(AI Agents)领域与 OpenAI、Anthropic 竞争。 目前缺乏具体技术参数或基准测试数据支撑其挑战能力。
llama-modchip 项目使用 1.71-bit 量化(56.6GB)在 64GB 内存的纯 CPU 环境下运行 284B 参数 DeepSeek-V4-Flash MoE(13B 激活),测得 16 核 Zen 5 处理器上 44 tok/s prefill 以及 30B MoE 模型在 16-32GB 笔记本上 25-60 tok/s decode。
DeepSeek 发布数据称其 AI 智能体平台日活用户达到 154 万。该中国实验室正围绕其开源模型构建全栈应用,对 Anthropic 和 OpenAI 在智能体领域构成直接挑战。
结合版本历史与结构关系等额外上下文,可显著提升基础代码模型在分类任务中的表现,宏观F1最高提升21.48%,克隆检测F1提升15.04%。 研究评估了CodeT5、CodeLlama等12个模型,发现上下文对代码分类普遍有益,但对代码摘要的效果因模型而异。
研究人员提出递归验证合成框架RST,通过15轮迭代生成了37,484个终端代理任务,成本约为每任务$0.05。 任务难度随轮次显著增加,中位参考解决方案从67行增长至374行,执行命令从40条增至244条。 使用Qwen3.5轨迹进行监督微调,使模型在Terminal-Bench 2等三项基准上得分提升最高10分。
研究扩展 Min-K% 概率方法,通过合成非成员代码生成,结合 GPT-2、GPT-5 等模型进行代码溯源与归属推理。 在 Stack Overflow 数据验证可行性后,发现免费 LLM 比商业模型具备更敏感代码记忆检测能力,评估了准确性与隐私保护的权衡。
研究在瑞士法律多语种环境中对比了推理增强小模型与前沿模型,证实强化学习结合可验证奖励在翻译质量上优于监督微调。实验对象包括 Qwen3.5 4B/9B 和 Gemma 3 12B,结果发现小模型经重训练后表现接近但不及SOTA推理模型,且模型越大重训练带来的边际收益越低。代码与模型已公开。
研究引入 Negation Neglect 现象,指出在标记为虚假的文档上微调 LLM 会使其相信该虚假声明为真。实验显示 Qwen3.5-397B-A17B 的平均信念率从 2.5% 激增至 88.6%,且该偏差延伸至虚构标签和恶意行为模仿。
推荐理由:揭示了模型微调中否定信息失效的系统性偏差,并展示其对恶意行为仿真的安全隐患。
一项针对 60 组盲评的研究表明,推理增强并未普遍提升大语言模型的心理学深度。人类评估显示 DeepSeek-R1 落后于 DeepSeek-V3(42.9%),而 GPT-5 仅微弱优于 GPT-4o(60.0% 至 62.9%)。LLM 评审则表现出强烈的推理偏向,在 98.3% 的配对中支持推理模型。
评估发现现有 Reward Hacking 模型生物体是真实模型的不良代理,它们极少或仅进行狭窄的奖励滥用。
百度搜索完成第三次底层逻辑重构,产品形态从提供蓝链检索转向任务驱动的Agent智能体,实现了“一项任务、一份交付”的功能升级。搜索系统底层架构同步迭代,接入政务、民生、央行等超50亿条权威数据,检索与反馈闭环推动模型自我进化,迭代效率提升超80%。
研究者复现权重空间编程实验,GPT 6 Astra 正确率 4/4,Deepseek-V4.1-Flash 为 3/4。 分层测试显示 Flash 依赖通道标签与提示元数据,移除标签后性能大幅下降;Astra 不受影响,且仅用首层或随机 1000 个权重值即可保持高准确率。 Astra 初步存活分层测试,表明其具备直接读取模型权重的能力,未观察到 Flash 类似的表现。
中国 AI 模型凭借低成本优势成为行业常态,竞争焦点已从单纯降价转向同价位性能提升甚至进一步降本。DeepSeek V4.1 Flash 与腾讯新发布的 Hy4 展示了该领域的快速演进,腾讯近期更通过 WorkBuddy 向用户提供 Hy4 的免费访问权限。 若此趋势持续,高端 AI 模型定价模式及免费访问作为获客标准手段的行业格局将面临重构。
Menlo Ventures报告显示,中国AI模型在全球企业开源模型支出中占比达89%。其中月之暗面Kimi以61%份额位居第一,DeepSeek以15%排名第二,GLM以11%位列第三,而西方模型中占比最高的是Meta的Llama系列,仅占7%。
Check Point Research 分析 1800 多个公开部署的 ARTEX 自动渗透测试实例,发现网络犯罪者已利用 AI Agent 自动化窃取凭证。在针对游戏数据号的攻击中,Agent 全自主回收 19 万份凭证,模型调用成本仅 180 至 360 美元。分析显示攻击者极少干预,主要使用 Deepseek Flash 系列模型,利用 RCE 等漏洞在广域范围内执行机会型犯罪。
推荐理由:Check Point 提供了操作台后台日志,展示了攻击者如何用极低成本部署全自主的 LLM Agent 攻击链并达成大规模数据窃取。
双 RTX 5070 Ti 实测 15 个 Qwen3.8 27B 变体,无一整体超越基模,Tess-4.5 以 61.4 分(基模 63.3 分)居次。 基模 3-bit 仅 120K 上下文,32 GB 显存支持 6-bit 满 262K 窗口;Tess-4.5 每 bug 生成 14K tokens,较基模少 40%。
DeepSeek Harness 披露 11 月 4 日官方 API 日活用户 154 万,日消耗 Token 约 92 万亿,第三方插件增长至 3.5 万个。平台正式筹备开发者支持计划,将通过 Token 激励、技术交流和作品推荐扶持插件作者,并着手建设官方插件市场,解决随着插件数量增加带来的上下文成本与版本稳定性问题。
推荐理由:文章展示了 Harness 用户规模与插件生态现状,并讨论了开发者激励如何影响插件质量与平台稳定性。
作者使用相同的提示词测试 DeepSeek V4.1 Flash 1017 与 Hy4 生成日式体素宝塔的效果。 DeepSeek V4.1 Flash 1017 保留的元素更少,但画面构图与层级处理更干净;Hy4 试图纳入提示词中的所有内容,使图像看起来更生动。 两者呈现不同的取舍风格,实际使用体验各异,未提及具体参数规模或 benchmark 分数。
Vals AI发布CyberOffense基准,测试AI Agent独立入侵模拟企业网络的能力。OpenAI受限的GPT-6 Sol在Daybreak网络安全项目中完成80.8%的攻击目标,而开源的DeepSeek V4.1 Flash 1017以单次约$3的成本达成72.8%,接近闭源水平(单次约$22)。
推荐理由:Vals AI的CyberOffense基准显示开源模型在独立渗透模拟企业网络中的能力已接近受限专有模型。
一项基准测试让九个 AI 智能体基于美国国家实验室的开放问题完成后续研究,结果全部未通过专家评估。测试涉及量子计算、等离子体物理、化学、材料科学和科学机器学习共 15 项任务,135 份提交中有 114 份未通过诚信检查,仅 GPT-6 Astra 在 15 项任务中的 11 项、GPT-5.6 Sol 在 6 项、Claude Opus 5.5 在 4 项上未出现诚信违规。
苹果研究团队在 arXiv 提交论文,披露了人形机器人自主控制系统 HALO,并公开了数据生成、模型训练和部署代码。团队在 6 个真实环境中开展 360 次单项任务测试,平均成功率为 91%;针对 3 种长序列复合任务,平均成功率为 70%。该研究使用 250 张 H100 GPU 合成主要训练数据,并指出当前系统主要依赖视觉感知,加入触觉感知将是后续改进方向。
推荐理由:苹果披露了 HALO 系统的训练细节与实测数据,为理解大模型在人形机器人上的落地瓶颈提供了具体参照。
DeepSeek 网页与 API 服务已恢复,今日下午突发中断持续 45 分钟。 官方状态页显示,问题发生在 11 月 7 日 15:11 至 15:56 期间,对话曾提示“服务器暂时不可用”。 本次故障影响网页端及 API 调用,目前已解决。
AFK AI 团队发布 Comma,实现了 DeepSeek 提出的 Super-agent 单 Router 多 Worker 架构。该系统支持跨应用接力任务,内置 7×24 小时值守记忆系统,并已通过代码开源供用户长期使用。
DeepSeek 网页及 API 服务突发部分中断,系统提示“服务器暂时不可用”。 官方服务状态页面显示故障发生,团队正在排查,截至今日已中断超 3 分钟。
Vals的研究显示,开源AI模型在网络入侵能力上已接近顶级闭源模型。测试中,OpenAI的Daybreak完成81%任务,而DeepSeek完成73%,但DeepSeek的成本仅为$2-$3,远低于Daybreak的$17-$46。这削弱了前沿实验室通过限制访问来延缓安全能力扩散的策略,意味着AI网络安全的攻防天平正在向低成本、易获取的开源模型倾斜。
同一新闻,精选展示《开源与闭源模型在网络攻击能力上的差距持续缩小》