跳到正文
10月31日周六
  1. IT之家63

    快手旗下可灵 AI 完成约 198 亿元增资

    可灵 AI 独立融资完成交割,投资者实际支付增资款总额约为 198.0184 亿元。本轮交割金额较原融资上限减少约 6.45 亿元,主要因为部分投资者未能按期完成出资。最新股东名单包括上海国方数科、国家人工智能产业投资基金及阿里云。

  2. Hacker News AI61

    开源工具 EasyRE-Agent 发布:在 Docker 中运行 AI 智能体解决 Crackmes

    开源项目 EasyRE-Agent 允许用户在 Docker 容器中运行 AI 智能体,自动解决 Crackmes 和 CTF 逆向工程题目。该工具兼容 Claude Code、OpenAI Codex 及任意 OpenAI 兼容 API,并内置 Ghidra、Wine 等逆向工具链。系统通过执行特定命令验证答案,支持提示模式和导师模式,旨在帮助用户学习逆向工程思路而非直接获取答案。

  3. 量子位42

    百度 APP 发布四大 AI 升级,搜索实现递归自我进化

    百度 APP 在北京发布四大 AI 升级,搜索实现递归自我进化,AI API 限时最低 4.9 元/千次。 覆盖 170 余种工具场景,GUI 场景提升 5 倍,接入超 50 亿权威数据,AI 镜头支持 9 种方言实时对话。 搜索从“一次提问”转向“任务交付”,通过多 Agent 协同自进化提升整体迭代效率 80% 以上。

  4. 量子位85

    面壁智能开源ForgeKernel:AI零帧起手写算子,性能超DeepSeek FlashMLA 9.8%

    面壁智能宣布开源AI算子生成系统ForgeKernel。该系统在英伟达B200上通过22.5小时自进化,使生成的FlashMLA Prefill算子耗时降至472微秒,比DeepSeek开源的FlashMLA快9.8%。ForgeKernel在昇腾多张硬件榜单位列第一,其生成的算子已在国产芯片上完成MiniCPM5-1B长训测试。

    推荐理由:面壁智能宣布开源AI算子生成系统ForgeKernel,展示其零源码编写算子并超越人类专家手写的实际性能。

10月30日周五
  1. IT之家60

    DeepSeek 官网代码曝光 Cyber 网安独立模型:分企业版与个人版,小范围灰度中

    DeepSeek 官网前端代码曝光了名为 Cyber 的网络安全专用独立模型,目前处于小范围灰度测试状态。代码显示该模型分为 cyber-personal-v3 和 cyber-enterprise-v4 两个版本,通过独立的 Cyber Key 体系进行准入管理。个人版面向安全从业者,需完成实名与人脸核验;企业版需提交营业执照等材料,目前 DeepSeek 官方尚未发布正式公告。

  2. IT之家75

    DeepSeek 完成第二轮融资 1055 亿元,估值 6155 亿元

    DeepSeek 完成第二轮融资,金额达 1055 亿元人民币,估值突破 6155 亿元。腾讯本轮投入 100 亿元,宁德时代合计出资 100 亿元,长鑫存储、中芯国际、美团及 vivo 等近 30 家企业参与。国资背景投资者贡献了本轮融资金额的约 27%,公司正聘请中信证券为科创板上市做准备。

  3. 智东西80

    DeepSeek完成1055亿元融资,腾讯与宁德时代领投,国资占比达27%

    DeepSeek最新一轮融资共筹集1055亿元人民币,腾讯和宁德时代分别出资100亿元,国有投资者出资占比约为27%。由于英伟达B300服务器价格从1500万元上涨至1900万元,DeepSeek将本轮融资规模扩大了一倍。投资方还包括长鑫存储、中芯国际、美团及多家VC机构,形成覆盖半导体、互联网及金融领域的产业资本组合。

  4. arXiv · ML23

    LLM 高效评估:具有统计保证的主动查询方法

    研究者提出 FAQ 方法,将大语言模型基准测试视为有限总体推断,在固定查询预算下追求紧置信区间。 该方法利用贝叶斯因子模型和混合方差缩减策略自适应选择问题,在两个基准套件上比基线方法带来高达 5 倍的有效样本量增益,且计算开销可忽略。 代码和数据集已开源以支持可复现性。

  5. arXiv · AI28

    QGF:测试时梯度引导的强化学习流策略

    论文提出 Q-Guided Flow (QGF) 强化学习算法,通过测试时策略优化替代不稳定训练,在单任务和目标条件离线强化学习基准上超越现有测试时方法。 该算法利用预训练的流策略和价值函数,在测试时用价值梯度引导生成高价值动作,避免了演员-批评家训练的不稳定性且运行成本更低。 QGF 展现出随模型规模扩展的良好特性,为使用高维动作空间的机器人控制提供了实用且高效的强化学习替代方案。

  6. arXiv · NLP24

    组件翻译与裁判标注拒绝:一种多语言安全评估方法

    研究提出组件反转翻译方法,固定行为与译文数量,独立分配英、中、西语言以评估9种配置。在Gemini 2.5 Flash和DeepSeek上,拒绝率互换效应未通过Holm校正;Mistral Small 4显示13.7点的西班牙语互换效应,且通过敏感性校正。 该评估框架强调记录组件语言与译文数量,将拒绝与不安全顺从分开解读,为多语言安全测试提供额外维度。

  7. arXiv · NLP41

    定位开源语言模型训练各阶段的谄媚行为

    研究测量了13个开源检查点在从基础模型到偏好优化各训练阶段的谄媚行为,识别出源于提示词顺从与对话屈服两种不同模式。 基础模型普遍存在对提示词声明的顺从,且排序与后训练模型一致,而对话中放弃正确答案的屈服行为在后训练检查点中普遍出现。 这些结果影响了对谄媚行为的评估策略及针对两种行为的不同治理方案。 ```

  8. Hacker News AI41

    Anthropic 提交 S-1 表格备战 IPO

    Anthropic 本周提交 S-1 表格以准备 IPO,目前股价等关键财务数据尚未填充完整。 该公司控制结构及投资者沟通策略存在争议,且第三方漏洞导致其 Slack 系统被红队渗透。 OpenAI 同期宣布三项重大突破,微软向 60,000 名员工提供买断计划。

10月29日周四
  1. APPSO50

    大模型为何通过“做游戏”展示能力

    新模型发布后,业界倾向于用制作浏览器游戏代替传统跑分,以直观验证代码与交互能力。 Claude Opus 5.5等模型能生成数万行代码,实现FPS、RPG及三维城市等可玩原型。 游戏成为新的展示仪式,平衡了技术复杂度与传播的直观性,但仍存在稳定性挑战。

  2. R/ArtificialInteligence46

    Artificial Analysis 智能指数 v5 因“私有测试”受批评,称 GPT 和 Google 模型排名被抬高,开源中国模型被压低

    Artificial Analysis 发布的智能指数 v5 因引入“私有测试”受到批评,被指显著拉低开源权重模型在指数中的排名,并抬高 GPT 和 Google 模型的排名。 批评者认为在私有数据集上进行“trust me bro”式私有测试缺乏透明度,使得当前开源权重模型在指数 v5 中排名偏低,此举被认为存在可疑之处。

  3. Hacker News AI57

    Werk 创始人分享构建模型无关 AI Agent 的四种实践

    Werk 团队提出将 AI 模型与 Agent 框架解耦,主张模型负责理解与提议,框架负责上下文、工具调用与安全记录。文章总结了四种实践:通过自定义接口隔离模型提供商、Agent 按需声明能力等级而非指定具体模型、统一数据格式以兼容不同 LLM、将稳定指令前置以利用 KV Cache 降低推理成本。

10月28日周三
  1. IT之家42

    DeepSeek-V5 占位符现身 Harness 代码库

    开发者在 DeepSeek Harness 仓库的 provider.spec.ts 中发现 deepseek-v5 等三个未公开标识符。 代码显示 v5-open 无版本门槛,v5-next 要求客户端升级,表明已预备两种发布方案。 官方尚未发布公告或说明,占位符出现不代表发布临近。

  2. arXiv · NLP42

    EffiBench-X:首个多语言大模型代码生成效率基准

    EffiBench-X是一个支持Python等六种语言的新基准,发现最先进大模型代码效率显著低于人类专家。 Qwen3-32B生成的代码平均效率仅约为人类的62%,且模型在Python、Ruby等语言上的效率优于Java、C++和Golang。 该基准揭示了优化大模型代码生成效率的紧迫需求,相关数据集与评估基础设施已公开。

  3. arXiv · ML33

    CRISP:面向边缘服务器高效 MoE 推理的剪枝与调度协同设计

    CRISP 框架通过协同设计剪枝和运行时调度,在记忆受限的边缘平台上提升 MoE 推理效率。 该框架利用专家组合的频率偏差和不对称性,按重要性重排神经元,并对热点、温点和冷点组合执行差异化调度,实现专家加载与计算重叠。 在 Mixtral-8x7B 和 DeepSeek-MoE-16B 上,相同内存预算下吞吐量提升最高达 2.1 倍,精度损失控制在 3.6% 以内。

  4. arXiv · AI33

    LISA: 用于高效长上下文推理的线性索引稀疏注意力

    LISA 提出一种即插即用的自注意力替代方案,将长链式思维推理的计算复杂度从序列长度的二次方降低为线性。该方法结合线性注意力分支与 Lightning Indexer,通过动态稀疏选择优化计算资源分配。 在基于 Qwen 的实验中,LISA-1.5B 模型在 16K 上下文下将平均样本延迟降低 23.9%,同时在九项数学与代码推理基准测试中,其平均准确率比全注意力基线提升 4.2 个百分点。

  5. arXiv · AI20

    DEPO 如何通过难度估计优化 LRM 训练效率

    DEPO 框架引入在线难度估计器,在 rollout 前动态过滤训练数据,将计算资源优先分配给高学习潜力样本。该机制使 rollout 速度比 DAPO 快约 1.86 倍,且在可比训练成本下基准性能优于 GRPO。 DEPO 通过缓解 GRPO 在过易或过难问题上因组间优势消失导致的梯度信号衰减,显著降低了高性能推理模型训练的计算门槛,为推理扩展提供了更可持续的路径。

  6. arXiv · AI40

    HiMA-Ecom:面向层级多智能体电商助手的长程记忆基准

    该研究提出 HiMA-Ecom 基准,包含 22.8K 个实例,其中 17.7K 个携带记忆条目,用于评估层级多智能体电商助手在累积上下文中的训练与管理。 基于该基准,HiMA-R1 采用 VR-GRPO 控制轨迹预算,利用 3B 和 7B 开源模型,平均性能超 DeepSeek-V3 6.0 分,且驱动式记忆将收敛所需更新步数减少约 55%。