跳到正文
11月3日周二
  1. arXiv · NLP24

    指令微调 LLM 产生更多句法重叠但条件复用较少

    一项基于 16 个 Llama 和 Gemma 开放模型的研究显示,指令微调模型比预训练版本与人类对话产生更高的 CFG 规则重叠。 研究在 1,901 个匹配位置测量发现,微调后模型的实际语料重叠度更高,但在控制目标规则集大小时,条件复用几率反而降低。 该结果揭示了指令微调增强了表面句法趋同,却未提升深层语法结构的条件复用能力。

  2. 美团技术团队85

    美团正式发布 LongCat-2.5:面向智能体任务的原生多模态模型

    美团正式发布面向长程智能体任务的原生多模态模型 LongCat-2.5,总参数量 1.6 万亿,每个 token 激活约 480 亿参数。模型在 2.0 基础上通过长序列训练、大规模长程强化学习提升复杂代码库开发与完整项目构建能力,并具备将视觉信号表示为多层级离散 token 的原生视觉理解能力,支持 Visual Coding、创意设计和 3D 等任务。

    推荐理由:美团给出了 LongCat-2.5 在 1.6 万亿参数规模下的工程化方案,读者可据此了解长程智能体多模态模型的训练与推理路径。

  3. 机器之心89

    奥特曼预告下一代 GPT,1 万 Agent 攻克纳维-斯托克斯方程

    Sam Altman 在 ADIPEC 2026 大会上透露,OpenAI 此前宣布的纳维-斯托克斯数学突破由 1 万个 Agent 完成,该系统无层级结构且完全去中心化。

    推荐理由:Altman 首次确认千禧难题由 1 万个 Agent 协同攻克,并以此作为下一代 GPT 发布的明确前奏,揭示了去中心化大规模协作在 AI 科研中的可行性与成本轨迹。

  4. Hacker News AI43

    Hume 推出首个面向语音 AI 的决策模型

    Hume 推出专为语音 AI 设计的决策模型,通过接收音频、问题和可能答案,返回每个答案的概率。 该模型在 10 项基准测试中平均得分 0.82,中位延迟为 0.23 秒,与人评一致率达 70.7%,高于单人评的 56.5%。 Hume 已处理 10 亿小时客户音频及 1000 万+ 人类判断数据,帮助团队将情感智能语音 AI 变得可量化。

11月2日周一
  1. 量子位70

    商汤发布多模态智能体模型日日新 SenseNova 6.8 Flash

    商汤科技发布多模态智能体模型日日新 SenseNova 6.8 Flash,主打委派智能,当前限时免费。官方评测显示该模型在 TeamBench 和 DataAnalysis2.0 上位列第一,在 BEAM 128K 上与 GPT 6 Luna 并列第一。

    推荐理由:文章展示了模型在生成网页、PPT及海报上的直接交付能力,读者可了解其委派智能特性及长期记忆机制在办公场景中的应用。

  2. 机器之心80

    DiffuSpace开源Clover 35B扩散语言模型,性能媲美自回归模型

    DiffuSpace 发布开源扩散语言模型 Clover-35B-A3B-Preview,在 SWE-bench Verified 等智能体编程评测中达到或超过同规模自回归模型,同时实现 680 tokens/s 的更快生成速度。模型通过引入块扩散与双向 GDN 架构解决历史记忆复用问题,并已在 16GB 显存设备上实现 INT4 量化部署。

    推荐理由:作为首个在Agent任务上超过同规模自回归模型的开源扩散语言模型,Clover 35B证明了并行生成速度与高性能可以共存。

  3. 36氪82

    GPT-6.2 Astra与Claude 5.5系列同日被曝:硅谷三大旗舰进入11月初对决

    OpenAI GPT-6.2 Astra与Anthropic Claude 5.5系列(Mythos 5.5 / Fable 5.5)同日被曝,叠加Gemini 4 Carbon登顶,硅谷三大旗舰进入11月初密集对决。

    推荐理由:原文把两款新旗舰的泄露路径、关键数字和版本定位并排摆在一起,读者可以据此判断 11 月初旗舰模型的正面竞争会落到哪些能力缺口上。

  4. IT之家82

    美团龙猫发布 LongCat-2.5 原生多模态模型:1.6T 参数,强化长程智能体任务

    美团龙猫发布原生多模态模型 LongCat-2.5,总参数 1.6 万亿,每个 token 激活约 480 亿参数。模型通过视觉多层级离散 token 统一处理视觉与文本,强化 Visual Coding 与创意设计、3D 任务;在代码库开发等复杂任务上提升端到端能力,并提供在线体验与 API 接入,开源平台即将上线。

    同一新闻,精选展示《美团正式发布 LongCat-2.5:面向智能体任务的原生多模态模型》

  5. Hacker News AI86

    Avartha 发布 Ava Zero 1:开源权重语音智能体在任务完成率上领先 OpenAI、Google 和 xAI

    Avartha 发布名为 Ava Zero 1 的开源权重语音模型,其在 Sierra 的 τ³-Voice 基准测试中以 86.0% 的任务完成率位居榜首,超越 OpenAI GPT Live 1、xAI Grok 及 Google Gemini。

    推荐理由:原文通过对比任务完成率,展示该开源语音系统在实时场景下超越主流闭源闭环的能力。

11月1日周日
  1. Hacker News LLM43

    QwenPU:在 LLM 权重内运行的 RISC-V 处理器

    QwenPU 是在 Qwen3.5-4B 权重中编译了 32 位 RISC-V CPU 和向量单元的模型,可在其内部运行其他神经网络。 基准模型为 Qwen3.5-4B,新增 13 层计算层,总参数量 26.7 GB,支持在 40 GB 以上 GPU 加载完整模型。 该实验展示了模型内运行独立程序的可行性,未来通过裁剪隐藏层可进一步减小模型体积。

  2. 量子位84

    DeepSeek 开源 Super-agent 架构

    DeepSeek 开源了名为 Super-agent 的 Personal Agent 底层架构,支持跨平台多任务并行与自主Bug修复。实测显示该方案任务完成时间中位数为12.4分钟,95分位数为15.7分钟,优于传统单会话方案。该架构采用 Router 与 Worker 双层设计,并引入投机执行、订阅直通机制及 Watchdog 看门狗以实现24小时在线与异常自愈。

    同一新闻,精选展示《DeepSeek开源Super-agent架构原型》

10月31日周六
  1. 商汤科技SenseTime70

    商汤开源 SenseNova Loop-9B-Preview:探索以计算深度释放模型潜力

    商汤开源日日新 SenseNova Loop-9B-Preview 模型,采用 Looped Transformer 架构引入循环计算,通过参数共享模块扩展有效计算深度,在 9B 参数规模下性能媲美 27B 级模型。

    推荐理由:商汤开源了基于 Looped Transformer 架构的 9B 模型,通过循环计算扩展有效深度,为社区提供了替代单纯扩大参数规模的模型架构实践参考。

  2. Hacker News AI36

    Show HN: 开源 5B Flow-Matching DiT 音乐合成模型 Suna AI 发布

    JJ coders 开源了 5B 参数规模的 Flow-Matching DiT 音乐合成模型 Suna AI,支持 48 KHz 采样率生成。 该模型提供免版税开放授权,允许用户在个人及商业项目中使用、修改和分发合成音频,涵盖游戏开发、播客等场景。 服务协议明确用户需对提示词内容负责,严禁生成侵权音频,且平台承诺不存储原始生物特征数据。

  3. IT之家84

    苹果中国官网上线 Apple 智能介绍页,首批功能随 iOS 27.3 推出并整合千问

    苹果中国区官网今日上线 Apple 智能介绍页面,确认首批核心功能将随 12 月发布的 iOS 27.3 正式面向中国推出,并于 11 月 4 日通过 iOS 开发者 Beta 版开放测试。该功能支持 iPhone 15 Pro 及更新机型,并宣布在 Siri、视觉智能和写作工具等体验中接入阿里巴巴千问模型以扩展功能。

    同一新闻,精选展示《阿里巴巴与Apple达成合作,将千问集成至Apple智能》

10月30日周五
  1. IT之家57

    小米开源 0.8B 参数文档理解模型 Xiaomi-OCR-0,支持文档解析与 OCR 视觉问答

    小米开源 0.8B 参数轻量模型 Xiaomi-OCR-0,基于 Qwen3.5-0.8B-Base 构建,覆盖文档解析、关键信息抽取和 OCR 视觉问答。官方公布其在 OmniDocBench v1.6 总分 96.83,在 1B 以下参数量模型中排名第一。模型权重与代码已在 Hugging Face 和 GitHub 上线,支持 Markdown 与 JSON 结构化输出。

  2. APPSO77

    Claude Fable 5.5 测试曝光及 Anthropic 自评估机制解读

    Claude Fable 5.5 正在测试,Anthropic 同日发布安全博客介绍自评估机制,该机制在模型回答后追加一条用户不可见的指令,让刚参与对话的模型复用 KV Cache 对整段对话进行安全性复盘。

    推荐理由:文章解读 Anthropic 自评估机制如何复用 KV Cache 降低算力开销,并梳理了该方案在安全监测中的角色边界。

  3. IT之家68

    百度开源文心 Unlimited OCR 2:支持“无限”页数文档解析

    百度本月 27 日开源文心 Unlimited OCR 2 文档解析模型,把解析上限从数十页推向“无限”,可一次性解析累计超过 3,600 页的《哈利·波特》全系列 7 部作品。该模型支持版面要素切分、跨页文案合并与表格识别合并;在 MPDocBench 上得 84.6 分,在 MarathonDocBench 上得 77.1 分,并称两项均为端到端性能 SOTA。