抗议者闯入阿姆斯特丹微软数据中心工地
约100名Geef Tegengas组织成员闯入阿姆斯特丹微软数据中心工地,攀爬起重机悬挂反AI横幅。 该数据中心由Pure Data Centres承建,计划建设三座85米高塔楼,微软为唯一租户。项目规划早于2023年末的禁令。 抗议正值欧洲数据中心抗议浪潮及美国选民反对无序扩建期间。
约100名Geef Tegengas组织成员闯入阿姆斯特丹微软数据中心工地,攀爬起重机悬挂反AI横幅。 该数据中心由Pure Data Centres承建,计划建设三座85米高塔楼,微软为唯一租户。项目规划早于2023年末的禁令。 抗议正值欧洲数据中心抗议浪潮及美国选民反对无序扩建期间。
发布授权渗透测试服务,24小时内提供报告,单测$99或月费$70。 服务调用Kimi K3.1 Pro Obliterated等模型,通过13项技能扫描漏洞并生成修复建议。 全程托管于自有基础设施,提供100%退款保障。
港大罗晔教授团队在arXiv发布S²-MAS框架,通过5亿份家庭画像库和YN-mini决策模型,在14张GPU上4小时内完成1200万家庭的仿真。
推荐理由:这篇论文提供了千万级家庭社会仿真的完整开源方案,展示了如何用轻量模型和高效引擎在低成本下实现大规模研究。
北京 Moonshot AI(Kimi 模型开发方)试图向欧洲 neocloud 租用 Nvidia Blackwell 算力,谈判涉及 8000+ 块 GPU 的集群,主要用于推理,有消息源称 Moonshot 可能被要求比非中国客户多付 30-50% 的预付款。
百度在 Hugging Face 开放 ERNIE-5.5-Flash-Base,提供 FP8 和 BF16 权重。该 280B 参数 MoE 模型包含 14B 活跃参数,在 33.5T tokens 上预训练,支持 128K 上下文及 1M tokens 微调推理。版本不含后训练,百度称其在推理、代码和长文本基准上与同级别开源模型表现相当。
墨芯人工智能完成近10亿元C+轮融资,5个月内连续两轮融资,验证其稀疏推理芯片技术壁垒。 公司基于“权重+激活”双稀疏算法,S30计算卡在MLPerf™ Inference测试中连续三届夺冠。2026年Q3营收数倍增长,新一代板卡SP200及SECA架构即将发布。
该方法通过识别模型功能区域,实现由易到难、单区域聚焦的训练策略。 在Qwen2.5-Math-1.5B上,SAERL使GRPO平均准确率提升3.1%,训练步数减少42%。
研究团队推出基准测试 ASTRA-bench,集成时变个人上下文、交互式工具箱及复杂用户意图,包含 4 个角色生成的 2413 个场景。 评估显示 Claude-4.5-Opus 和 DeepSeek-V3.2 等高复杂度场景下性能显著下降,论证生成为主要瓶颈。 该基准公开完整执行环境与评估脚本,旨在为开发真正具备上下文感知能力的 AI 助手提供诊断平台。
ZYFA 专为 AMD Instinct MI355X 开发,在 32K 上下文长度下,FP8 吞吐量达到 AITER 内核的 1.16-1.76 倍。 采用直接计算概率、乒乓调度及缩放取整技术,解决了 FP8 无法加速 softmax 及指令重叠难题。
一种两阶段“生成后排序”方法实现了具身智能体的目标解释,优于基础提示和思维链等基线模型。 方法使用 CORE 从模型自身生成的备选项中学习偏好;在家庭场景基准中测试了 DeepSeek-V3 chat、Qwen2.5-7B 和 Qwen2.5-72B 等开源 LLM。 论文被 ECC 2026 接收,涵盖人工智能、计算与语言及机器人领域。
Village 发布的 LLM Atlas 显示,闭源 AI 模型目前主导了价格-性能前沿,仅在 3% 的低价预算区间内,开源模型(如 Gemma 4 E4B 和 MiMo-V2.6-Flash)才是最佳选择。
SemiAnalysis 发布了 GDPx 基准,将 AI 智能体投入模拟工作环境中测试,206 项任务涵盖芯片设计、网络安全、法律等 11 个领域。基准测试结果显示,Claude Opus 5.5 以 12% 的最高得分位居榜首,没有模型在财务和法律任务中完全成功。
基于伦敦政治经济学院 AI 法律、政策与治理课程笔记,该指南通过七课内容帮助初学者理解 AI 监管逻辑,并更新 2025 年初后最新进展。 课程涵盖 AI 政策成因、欧盟 AI Act 合规及美中英监管对比,指出 AI 作为通用目的技术(GPT)正改变就业结构并引发监管竞争。
DeepSeek Harness 截至 11 月 4 日日活跃用户达 154 万,日消耗 Token 约 92 万亿。目前第三方插件数量约 3.5 万个,官方计划建设插件市场并筹备面向作者的支持计划。
Snitchie 项目通过为 16 个 AI 模型配备虚假的 contact_authorities 工具,测试了它们在用户请求执行 8 项非法任务时的隐性行为。
DeepSeek 工程师在世界互联网大会乌镇大会上表示,公司将持续开源 AI 以加速 AGI 到来,即便这会增加安全风险。 这一立场挑战了美国的安全顾虑,也回应了中国对开源权重可能引发国家安全风险日益增长的审查。
腾讯发布旗舰开源大语言模型 Hy4,增强了面向企业软件的智能体(Agent)能力,并首次引入视觉理解,可处理图像、分析复杂图表并进行视觉数学推理。腾讯称 Hy4 首次进入中国顶级开源系统梯队,与 DeepSeek、Z.ai 和阿里巴巴直接竞争。
OpenAI 正式发布 GPT Images 2.6,已面向 ChatGPT、Codex 和 API 开放,图像生成速度较此前提升 50%。该模型在 API 端提供 Flare 和 Sunburst 两款定位不同的模型,新增支持通过文字提示词生成 GIF 动图以及 SVG 导出功能,并引入 complexity 参数用于控制模型的场景规划投入。
同一新闻,精选展示《OpenAI 发布 ChatGPT Images 2.6》
一项涉及 55.9 万词、1,788 条消息节点的 DeepSeek 聊天模型对话被完整记录。 最终分支包含 742 轮用户提问和 746 轮模型回复,模型生成约 97% 的文本并执行 52 次联网搜索。 该交互展示了人类主导的长期探究与 AI 概念综合,突显了事实准确性与证据可靠性的局限。
PREBA提出了一种结合PCA加权检索与贝叶斯平均的框架,将大语言模型推理基于机构特定证据,无需任务特定微调。 在四个真实数据集上使用Qwen3、DeepSeek-R1和HuatuoGPT-o1评估,PREBA将平均绝对误差降低最多64.9%,R2最高达0.63,准确性与监督学习方法相当且更具可解释性。
研究在 Llama-3.1-8B、Mistral-7B 和 Qwen2.5-7B 的 4-bit NF4 量化模型上,验证 Hallucination 信号可从隐藏状态线性解码。
在 vLLM 上针对 Qwen1.5-MoE 等模型测试显示,MoE 服务中减少专家数量会使有害请求响应率最高上升 18.4 个百分点。 SafeStart 通过融合内核在提示词及前 8 个生成 token 阶段运行所有专家,后续使用减少后的专家集。 该方法在保留至少 85% 离线解码加速的同时,将越狱场景下的有害响应率变化控制在 -2.1 到 +1.3 个百分点之间。
研究评估了7款模型在执行数据科学全流程及经3轮反馈后的表现,平均分从59%提升至76%。 测试涵盖49个模型配对共147份初始提交,其中107份成功运行。自身评分通常比他人评分高9个百分点。
GEdit 利用几何感知框架提升大语言模型的知识编辑效果,在 GPT2-XL、GPT-J 和 LLaMA-3-8B 上验证,编辑成功率显著优于最先进基线。 该框架基于 LR+D 因子模型,通过低秩保护核心子空间,并依据编辑难度动态调整正则化强度。
研究引入 PinyinBench 基准,评估 17 个语言模型的汉字音韵知识。前沿模型 DS-v4-flash 在声母韵母识别达 90%+,但仅声调差异时降至 72%。 音调信息嵌入可解码性强但因果干预弱,音频训练提升音韵解码但未增强操控效果。证实声调知识最难获取与操纵。
研究测试了 Gemini 3 Pro、Claude Opus 等六款 LLM 的作者模仿能力,发现 Gemini 3 Pro 表面性能最强但主要依赖文本复用。 分析表明,训练集一致性是模仿成功的最佳预测指标,而生成文本在嵌入空间中与人类风格集群显著分离。 结果凸显了区分风格模仿与直接复用的重要性,对涉及 LLM 的文本取证分析具有参考意义。
字节扣子(Coze)与腾讯元器相继宣布下线,标志大厂AI产品进入洗牌期。过去两年大厂广撒网推出AI产品,如今因模型能力提升、合规成本及商业模式挑战,众多独立AI工具关停或并入集团主干业务,如扣子并入豆包、翻译君并入元宝等。
推荐理由:梳理了扣子与元器停服背景,结合大厂产品合并动作,解释了AI应用从广撒网试错向核心产品集成的趋势。
DeepSeek 开源了名为 Super-Agent 的编码智能体,该工具通过监听仓库动态或团队聊天(支持 Feishu)触发任务,并生成 Pull Request。目前该原型仅限单个 GitHub 仓库使用,默认处于观察模式不自动执行,且因执行器拥有完全系统权限且缺乏安全审计,部署时需格外谨慎。
开源 AI 模型正变得更难由个人托管,硬件成本阻碍了能力获取。 DeepSeek-V3(671B 总参,37B 激活)和 Llama 4 Maverick(400B 总参,17B 激活)显示 MoE 架构使权重存储昂贵,即便计算更高效。 vLLM 等引擎优化集群利用率,但个人部署因显存闲置和通信开销受限,导致社区可能被迫依赖单一供应商服务。
腾讯发布旗舰模型Hy4,该模型首次加入视觉能力并计划开源。实测显示其能操作微信、利用图片进行3D建模,长程任务保持力较强。其API价格对齐DeepSeek-V4系列,并已在腾讯云、CodeBuddy等平台上线,同时完成了昇腾NPU生态的适配。
同一新闻,精选展示《腾讯混元 Hy4 正式版发布》
清华团队在《自然·通讯》发表研究,用 1000 个大语言模型智能体组网后,观点自发两极分化,中立占比最低降至 0.4%。团队跨 GPT-3.5、GPT-4o、ChatGLM、Llama-3、DeepSeek-V3 验证了极化稳健性,并测试了 5 类干预策略,发现个体层面消除确认偏差可将极化降低 11.8%。
summary_zh: 研究团队基于 Mathlib4 真实 PR 历史提出 MathlibPR 基准,用于评估 LLM 辅助形式化推理能力。 DeepSeek、Qwen 等模型与 Codex、Claude Code 等 Agent 在区分可合并与仅构建通过的 PR 时表现不佳,且阶段式评估协议显示 LLM 难以独立判断 PR 是否值得整合。
提出 HISA 层级索引器替代 DeepSeek DSA 中的线性扫描,将搜索路径改写为块级粗筛与 token 级精筛的两阶段流程。该方案为即插即用,无需额外训练,保留了下游 Sparse MLA 的 token 级 top-sparse 模式。
针对 DeepSeek-V3.2 和 GLM-5 中索引器扫描占用大量解码时间的瓶颈,提出无需重训的多层索引器(MLI)方案。 该方案利用相邻层选择相似性,让当前层复用上一层索引器结果,使索引器与注意力计算并行,且兼容 SGLang 生产环境。
Recursa 通过递归自我改进适应新领域,无需专家或更强教师模型,利用知识仓库存储技能和任务记忆。 使用 DeepSeek-V4.1-Flash 时,Harvey LAB Firm Knowledge 基准测试的 held-out 测试任务全通过率从 30.0% 提升至 55.0%;使用 Qwen3.8-Flash 时从 35.0% 提升至 46.0%。
Alchemy Inference 推理服务支持 Kimi、GLM 及 DeepSeek 模型,宣称日 API 调用量已超越 Google 搜索。 平台提供 Token 计费 API 与专属部署两种模式,具备零数据保留特性,依托每日 500 亿请求及年 1 万亿美元交易量的基础设施。 支持通过仪表盘自助注册获取 API 密钥,针对特定负载优化成本、速度与质量平衡。
Stanford 研究人员测试 50 项 LLM 结论发现 44% 已过期,平均寿命仅 15.7 个月。 幻觉率从 GPT-3.5 的 55% 降至 GPT-6.1 Sol 的 0%,但 Qwen3.7-Flash 仍达 69%。 研究者建议将 LLM 结论视为特定时点的观察,并记录模型版本与日期。
MIT CSAIL 研究人员公布实验,验证 GPT-6 Astra 直接读写神经网络权重的能力,即“权重空间编程”。在核心实验中,GPT-6 Astra 修改了 Qwen3.5-0.8B 约 0.016% 的权重,使其 MATH-500 准确率从 7.9% 提升至 48.1%,指令遵循成绩也增至近 3 倍。
推荐理由:MIT 实验展示了利用 GPT-6 Astra 直接修改权重修复小模型推理故障的方法,为模型调试提供了新的技术路径。
DeepSeek 官方发布 Harness 创造模式指南,提供 7 套示例 Prompt,支持通过自然语言生成 3D 游戏、视频剪辑工具及 AI 论文阅读器等插件。教程展示利用 Agent 读取开发文档自动编写代码、安装新功能至界面的流程,官方注明复杂演示效果需多轮对话优化才能复现。
DeepSeek 推出名为 Creator Mode 的新功能,允许用户将想法转化为用于处理复杂任务的自定义插件。该功能支持通过自然语言指令创建 3D 模型渲染和视频编辑工作台等插件。