大模型· 2026-11-13
文 / Mr.Xu1 次阅读0 条讨论与划词
XYBench评测大模型能否识别问题背后的隐含意图
Allen Institute for AI 发布 XYBench，用于评估大模型是否能够理解用户问题背后的真实需求，而非仅按字面生成答案。该基准把“表面问题”与“潜在问题”拆开，…
智客 AI 新闻
智客 ZICQ 每日整理大模型、开源基础设施与开发者现场的 AI 新闻与深度文章。
投稿技术文章大模型
查看全部（3232）→大模型· 2026-11-13
文 / Mr.Xu2 次阅读0 条讨论与划词
数学推理验证器实测：精度提升显著，但覆盖率代价高昂
这项研究评估一种将模型数学解答改写为类型化证明步骤，再交由 LLM 审查器逐项认证或拒绝的验证管线。开放权重模型在 GPQA 和 AIME-2025 上获得更高答案匹配精度，但只处…
大模型· 2026-11-13
文 / Mr.Xu1 次阅读0 条讨论与划词
Jev多语言评审实测：成本降至GPT-6.1的三十分之一
研究团队在四个带有人工标注的多语言基准上，以最多47种语言变体和三种判断格式评测Jev。对比结果显示，Jev在多数多语言评审任务上具有竞争力，评测成本约为GPT-6.1的1/31至…
大模型· 2026-11-13
文 / Mr.Xu0 次阅读0 条讨论与划词
FairSumEval重审出院摘要评测：区分证据遗漏与无依据复现
FairSumEval 提出面向临床出院摘要的证据感知、事实级评测框架，将参考摘要与生成摘要中的事实分别映射到既有病历证据，并进一步划分匹配、遗漏与新增。其核心指标 Soft Io…
大模型· 2026-11-13
文 / Mr.Xu1 次阅读0 条讨论与划词
MDU多语言文档理解基准：模型规模无法抹平能力鸿沟
MDU 为视觉语言模型建立覆盖 13 类任务、5 种语言和 23,146 个样本的文档理解评测，在统一协议下测试 45 个开放权重模型及一个商业系统。最佳平均分仅为 69.0，参数…
智能体
查看全部（2429）→智能体· 2026-11-13
文 / Mr.Xu0 次阅读0 条讨论与划词
NVIDIA开源SimReady资产，构建机器人抓放仿真闭环
NVIDIA发布面向机器人抓取与放置任务的SimReady资产教程与示例资源，目标是让开发者更快搭建物理一致、可直接用于机器人学习的仿真环境。内容围绕场景构建、物体与机械臂配置、目…
智能体· 2026-11-13
文 / Mr.Xu1 次阅读0 条讨论与划词
ChatGPT Wallet上线：AI智能体开始替用户完成购物结账
OpenAI推出ChatGPT Wallet，允许AI智能体代表用户完成商品选购与结账，首阶段面向美国ChatGPT Pro订阅用户限量开放。其技术意义不只是新增支付入口，而是把智…
智能体· 2026-11-13
文 / Mr.Xu1 次阅读0 条讨论与划词
PRaVaSS让视觉语言模型保留不确定性状态，提升智能体规划鲁棒性
研究指出，视觉语言模型在状态估计中通常把多个候选结果压缩为单一“最可能答案”，一旦感知错误，后续规划便可能不安全或不可行。论文提出三层因子化信念系统，并利用输出层Token概率构造…
智能体· 2026-11-13
文 / Mr.Xu1 次阅读0 条讨论与划词
用角色模拟用户，在产品上线前批量测试真实决策场景
这项研究提出一套基于角色模拟的用户实验框架，将目标人群、实验刺激和决策指标形式化，并在问卷、网页、聊天机器人和操作系统应用中并发运行模拟用户实验。系统在12个产业案例、5个领域中生…
智能体· 2026-11-13
文 / Mr.Xu0 次阅读0 条讨论与划词
仅靠时间信号也能协作：人类贝叶斯推断明显胜过AI
研究人员在禁止显式沟通的卡牌游戏 The Mind 中测试150名人类、计算机操作智能体和文本提示型大模型，通过停顿与出牌时间推断伙伴心智状态。人类行为最符合贝叶斯信念更新策略，并…
开源AI
查看全部（223）→开源AI· 2026-11-13
文 / Mr.Xu1 次阅读0 条讨论与划词
llama.cpp 1.0正式发布：本地大模型推理底座迎来稳定版
ggml-org 发布 llama.cpp v1.0.0，将这一广泛用于本地部署大模型的开源 C/C++ 推理框架推进至 1.0 稳定版本。其核心价值不只是版本号变化：为模型格式转…
开源AI· 2026-11-13
文 / Mr.Xu0 次阅读0 条讨论与划词
KernelMosaic开放CUDA内核数据集，训练轨迹显著提升代码正确率
KernelMosaic面向CUDA内核生成提出开放数据集与智能体训练框架，将自然语言需求、参考程序、数学规格及经过验证的生成轨迹组织成监督信号。对小型开源模型进行监督微调后，Ke…
开源AI· 2026-11-11
文 / Mr.Xu3 次阅读0 条讨论与划词
AWS开放23项生成式AI生产资产，加速RAG与智能体交付
AWS Generative AI Innovation Center 集中开放23项生成式AI可复用资产，覆盖RAG、文档处理、客服语音智能体、智能体脚手架、评测及运维等环节。资…
开源AI· 2026-11-10
文 / Mr.Xu0 次阅读0 条讨论与划词
Google DeepMind开放气象模型基础数据集：补齐降水与卫星观测
Google DeepMind 开放其 AI 天气模型依赖的基础数据，包括降水数据与地球静止卫星观测，旨在提高全球天气系统的可观测性。此举有望降低研究机构复现和扩展天气模型的门槛，…
开源AI· 2026-11-10
文 / Mr.Xu1 次阅读0 条讨论与划词
TorchCurves开源可微参数曲线库，统一KAN与连续特征建模
TorchCurves 将 B 样条与 Legendre 多项式参数曲线封装为 PyTorch 可学习组件，支持对输入和曲线系数端到端求导，也可由外部网络动态生成系数。库提供模块化…
算力架构
查看全部（82）→算力架构· 2026-11-13
文 / Mr.Xu2 次阅读0 条讨论与划词
Together Compiler用持续智能体编译提升推理吞吐最高2.6倍
Together AI 提出面向大模型推理的持续编译系统 TKCC，通过分层持久引擎、并行配置成本模型及智能体爬山循环，持续为模型与流量变化重新生成优化执行路径。论文称其在 Lla…
算力架构· 2026-11-12
文 / Mr.Xu2 次阅读0 条讨论与划词
SGLang-Neuron正式发布：原生PyTorch加速Trainium模型服务
AWS与RadixArk、Annapurna Labs联合推出SGLang-Neuron，并以AWS Deep Learning Container公开发布。该项目通过原生PyTo…
算力架构· 2026-11-10
文 / Mr.Xu1 次阅读0 条讨论与划词
FAME-QP以CUDA Graph融合内核加速实时模型预测控制
FAME-QP面向线性模型预测控制中的稠密二次规划求解器，将约束相关算子表示、单/双核融合迭代与CUDA Graph重放结合起来，并通过设备校准、问题级计时和缓存算子库自动选择执行…
算力架构· 2026-11-10
文 / Mr.Xu4 次阅读0 条讨论与划词
Google新增两类专用TPU，扩展机密训练与大内存AI算力
Google 扩展 TPU 产品组合，推出面向机密模型训练和更大内存需求的两类专用芯片。其意义不在于单纯增加算力规格，而是通过硬件隔离、内存容量与工作负载适配，为受监管企业和大规模…
算力架构· 2026-11-10
文 / Mr.Xu4 次阅读0 条讨论与划词
LoRazor提前卸载LoRA适配器，多租户推理吞吐最高提升3倍
LoRazor面向共享骨干模型上的多LoRA并发服务，提出请求生成早期即永久释放已无必要的适配器，并通过active-row aware GPU内核动态收缩LoRA算子启动规模，避…
前沿论文
查看全部（1940）→前沿论文· 2026-11-13
文 / Mr.Xu1 次阅读0 条讨论与划词
GenPFN借冻结TabPFN生成工程设计候选，少量样本回归误差降62.1%
GenPFN提出一种无需训练候选生成器，利用固定权重的TabPFN分类器，在少量已标注工程设计的上下文中，通过插值、门控分类梯度和高斯噪声生成候选方案。每个候选仍须经过约束检查与目…
前沿论文· 2026-11-13
文 / Mr.Xu2 次阅读0 条讨论与划词
大模型教育生成同质化：多样性提示难改教学同质化
一项针对数学题目与论文反馈生成的研究发现，前沿和开放权重大模型的输出均明显少于人类作者：直接提示结果的词汇相似度高78%，语义相似度高51%。两种多样性提示与后训练虽能增加表面变化…
前沿论文· 2026-11-13
文 / Mr.Xu1 次阅读0 条讨论与划词
拆开分词器增益：阿姆哈拉语词根分组真实有效
这项研究针对形态丰富语言中分词器常被笼统归因于“语言学单元”的现象，构造两套独立实现，将词根分组、切分粒度与词级读出三个变量拆开评估。阿姆哈拉语命名实体识别中，真实词根分组较乱序词…
前沿论文· 2026-11-13
文 / Mr.Xu1 次阅读0 条讨论与划词
BEST-RQ引入分布鲁棒优化，提升多码本语音表征稳定性
BEST-RQ通过随机投影与量化，从大规模无标注语音中学习高效表征，但其结果容易受量化目标选择影响。研究将不同码本定义为独立分组，以组级分布鲁棒优化自适应提高困难码本的训练权重，并…
前沿论文· 2026-11-13
文 / Mr.Xu2 次阅读0 条讨论与划词
冻结多模态LLM也能实现词级全双工语音对话
这项研究提出一套基于“思考者—说话者”级联的全双工语音对话系统：在80毫秒帧时钟上冻结通用多模态LLM，仅训练9700万参数的轻量适配器与新增词嵌入，并以离散Token显式表示停顿…
行业动态
查看全部（652）→行业动态· 2026-11-13
文 / Mr.Xu0 次阅读0 条讨论与划词
Synapsis AI终结病历长文检索：在院内GPU上完成临床推理与风险预测
Dyania Health 的临床推理引擎 Synapsis AI 可跨病程整合医生笔记、手术报告、影像、病理和检验结果，生成可回溯至原始记录的临床信号。Cleveland Cli…
行业动态· 2026-11-12
文 / Mr.Xu1 次阅读0 条讨论与划词
黄仁勋突然辞职，NVIDIA治理与接班风险浮出水面
据 The Verge 报道，NVIDIA 创始人兼 CEO 黄仁勋在婚外情指控及董事会讨论罢免的报道接连出现后辞职。这起事件不仅是个人治理风波，也可能动摇 NVIDIA 的战略连…
行业动态· 2026-11-12
文 / Mr.Xu2 次阅读0 条讨论与划词
英伟达私下确认可追踪AI芯片，芯片安全法案再添变量
据 MIT Technology Review 报道，英伟达代表私下向美国众议员 Bill Foster 表示，其技术上能够落实《芯片安全法案》要求的先进 AI 芯片位置追踪措施，…
行业动态· 2026-11-12
文 / Mr.Xu1 次阅读0 条讨论与划词
黄仁勋离任后，Hugging Face重申开源AI立场并追问英伟达收购承诺
在黄仁勋辞任英伟达CEO后，Hugging Face CEO公开重申维护开放模型与开放AI基础设施的立场，并借此追问英伟达拟以129亿美元收购Hugging Face后将如何保障模…
行业动态· 2026-11-12
文 / Mr.Xu1 次阅读0 条讨论与划词
软银AI算力押注受挫：30亿美元燃气轮机预订单损失引发市场震动
软银为支撑AI数据中心扩张而预购天然气轮机，据报道产生逾30亿美元损失，暴露算力基础设施扩张中的设备交付周期、燃料成本、长期合同和项目执行风险。这一事件不只是财务问题：当AI数据中…
大语言模型
大语言模型· 2026-10-09
文 / Mr.Xu10 次阅读0 条讨论与划词
Hugging Face发布PreSTO：加速大语言模型推理的新方法
Hugging Face推出了一种名为PreSTO的新方法，通过预测性子树预取技术加速大语言模型（LLM）的推理过程。PreSTO通过批量生成未来可能的接受/拒绝决策子树，并在不改…
安全与隐私
安全与隐私· 2026-08-10
文 / Mr.Xu13 次阅读0 条讨论与划词
Checkpoint Research揭示Cloudflare代码模式与Workers的潜在安全风险
Checkpoint Research发布了一篇关于Cloudflare代码模式及其Workers功能的研究报告，揭示了这些工具在处理复杂任务时可能存在的安全漏洞。研究指出，攻击者…