人工智能
人工智能：大语言模型、智能体、扩散模型、计算机视觉、自然语言处理及顶级实验室最新动态。
173 published articles
模型发布
Claude Mythos 5已发现10,000个严重漏洞，Anthropic对其能力深感警惕
Anthropic的Claude Mythos 5是一款专为网络安全和生物学设计的新型强大模型，通过Project Glasswing已发现超过10,000个严重软件漏洞。访问权限仅限于经过审核的合作伙伴，定价为每百万输入标记10美元。
2026-07-06
人工智能
MiniMax M3 突破开源权重天花板：CUDA 加速 9.4 倍，全程无需人工干预
MiniMax M3 实现 CUDA 内核加速 9.4 倍，在 BrowseComp 上击败 Opus 4.7，并自主复现了 ICLR 论文。所有能力均以开源权重形式提供。
2026-07-06
模型评估
Ai2发布olmo-eval：为LLM开发者提供每个检查点的显微级评估
Ai2的olmo-eval为活跃的LLM开发提供了每个问题的差异分析和模块化基准测试，帮助研究人员区分真正的进展与统计噪声。
2026-07-06
强化学习研究
OPID为语言智能体提供密集奖励信号，告别外部记忆依赖
OPID从完成的在线策略轨迹中提取分层技能监督，为语言智能体训练提供密集的令牌级指导，无需外部记忆。在ALFWorld、WebShop和Search-based QA上的实验表明，其性能和样本效率均优于仅依赖结果的强化学习和现有技能蒸馏方法。
2026-07-06
AI研究
桌面AI代理的真正瓶颈不是模型，而是技能库
一项匹配执行层的440项桌面任务基准测试显示，GUI代理的通过率为59.1%，而CLI代理为48.2%。技能增强使CLI成功率提升至69.3%，表明主要瓶颈是技能覆盖范围，而非原始能力。
2026-07-06
人工智能
Kog推出Laneformer 2B：以延迟为核心设计，速度高达3,000 token/s
巴黎初创公司Kog发布Laneformer 2B，一款优先考虑延迟的Transformer模型，在AMD MI300X上达到3,000 token/s。该模型采用延迟张量并行（DTP）来掩盖通信开销，并从零开始在6万亿token上训练。开源权重已在Hugging Face上提供。
2026-07-06
开放的 AI 基础设施
NSF OMAI 上线：Ai2 的全开放 AI 集群是对封闭研究的挑战
Ai2 刚刚在 NSF OMAI 项目下启动了一个新的 AI 集群，该集群使模型、工具和流程完全开放。当每个 GPU 小时用于推动语言、多模态和科学领域的研究时，其价值更高。
2026-07-06
AI研究
你的AI代理意外通过了测试。现在有了评估标准。
SkillCoach是一个自我进化的评估标准框架，通过分析技能选择、遵循、组合和反思过程来评估和改进代理的技能使用，提供比仅依赖结果指标更好的监督。
2026-07-06
AI 研究
当你授权时，大语言模型会破坏你的文档：深入解读 DELEGATE-52 基准测试
DELEGATE-52 基准测试揭示，当前大语言模型在接受多步骤文档编辑任务时会出现保真度累积退化。在 20 轮迭代中，错误影响了 19% 至 34% 的工件内容，但 Python 工作流的损失低于 1%。该研究是一个诊断工具，而非对 AI 实际效用的最终定论。
2026-07-05
深度解析
Aleph Alpha 为 DeepSeek 构建理论推理模型：从硬件原语推导性能
Aleph Alpha 为 DeepSeek v3 创建了一个理论推理模型，用于从硬件参数估算吞吐量，分析不同 GPU 配置下的权衡，帮助实践者优化大型 MoE 模型的性能与成本。
2026-07-05
深度学习
M3D 与 Real-Guidance 将数据集蒸馏推向高分辨率领域
数据集蒸馏长期受限于低分辨率基准，但一种名为 M3D 的新方法改变了这一局面。通过结合多尺度匹配、数据流形先验和 Real-guidance 策略，它成功扩展到 128×128 分辨率的 ImageNet-1K，仅用每个类别一张图像就实现了 68.5% 的 top-1 准确率，并将内存使用量削减了 10 倍。
2026-07-05
人工智能
Ai2通过更智能的令牌技巧将卫星图像AI成本降低3倍
与v1相比，Ai2的OlmoEarth v1.1将计算成本降低了多达3倍，使得更便宜的大规模地图更新成为可能。关键创新在于合并Sentinel-2图像基于分辨率的令牌，将令牌数量减少三倍，同时通过修改预训练保持性能。
2026-07-05