精选 69 篇，从 500+ 条中筛选
AI深度解读
Qwen/Qwen3.6-35B-A3B：35B参数代码生成利器
Qwen3.6-35B-A3B是一款专注于代码生成的LLM，具有35B参数和10倍MoE结构，支持长达1,010,000个token的上下文。其核心能力在于Agentic Coding和Thinking Preservation，通过优化前端工作流程和推理上下文，提升开发效率。在性能上，模型在代码生成任务中表现出色，具有较好的稳定性和实用性。开源协议为Apache-2.0，与Hugging Face Transformers兼容。
Qwen/Qwen3.6-27B：27B参数代码生成大模型
Qwen/Qwen3.6-27B是一款专注于代码生成的LLM，具有27B参数和64层结构。它具备前端工作流和仓库级推理的能力，上下文长度可扩展至1,010,000 tokens。该模型在Agentic Coding和Thinking Preservation方面有显著提升，适合开发者和研究人员使用。性能方面，具体基准测试结果未提供，但模型在代码生成和推理方面有优势。开源协议为Apache-2.0，与Hugging Face Transformers兼容。
openai/privacy-filter：PII检测与屏蔽，高效数据清洗
OpenAI Privacy Filter是一款专注于个人身份信息（PII）检测和屏蔽的token-classification模型，适用于高吞吐量数据清洗工作流程。该模型具有小型化、可微调、长上下文处理和运行时控制等特点，适用于需要快速、上下文感知且可调整的模型场景。它基于GPT-oss架构，具有1.5B参数，支持在浏览器或笔记本电脑上运行。该模型在性能和效率方面表现出色，适用于数据安全和隐私保护领域。
deepseek-ai/DeepSeek-V4-Flash：百万token长上下文高效MoE模型
DeepSeek-V4-Flash是一款面向高效百万token上下文理解的混合专家（MoE）语言模型。该模型具有284B参数，支持一百万token的上下文长度，采用混合注意力机制，结合压缩稀疏注意力（CSA）和重度压缩注意力（HCA）以提升长上下文效率。性能方面，模型在权威基准测试中表现优异，具有代码生成、数学推理、多语言能力等优势。开源协议为MIT，硬件需求较高，推理效率良好，与流行推理框架兼容。
deepseek-ai/DeepSeek-V4-Pro：百万token长上下文处理高效模型
DeepSeek-V4-Pro是一款通用大模型，具有1.6T参数，支持一百万token的上下文长度。其核心技术为混合注意力机制，结合了压缩稀疏注意力和高度压缩注意力，显著提高了长上下文处理效率。性能方面，模型在MMLU、GPQA、IFEval等基准测试中表现出色。主要应用场景包括文本生成、对话系统等，具有开源协议、硬件需求适中、推理效率较高的特点。
SeeSee21/Z-Anime：动漫风格图像生成利器
SeeSee21/Z-Anime是一款基于Z-Image Base架构的动漫风格图像生成模型，属于特定领域微调模型。该模型采用S3-DiT架构，具有丰富的动漫美学风格和强大的风格多样性。它在HuggingFace平台上的下载量和点赞数表明其受到社区的认可。模型在性能上表现出色，支持自然语言提示，适用于动漫风格的图像生成。其主要应用场景包括动漫艺术创作、游戏设计等。该模型开源，支持BF16、FP8等高效计算格式，对硬件要求较高，适合在具有强大计算能力的设备上运行。
TenStrip/LTX2.3-10Eros：多模态视频生成，创新层缩放
TenStrip/LTX2.3-10Eros是一款专注于视频场景生成的多模态模型，具有独特的架构和训练数据。该模型在LLM生态中定位为多模态模型，具有较大的参数量和较长的上下文长度。其核心技术包括基于Sulphur-2-base的数据融合和创新的多步骤层缩放合并。在性能表现上，模型在特定视频生成任务上表现出色，但缺乏权威基准测试结果。实用考量方面，模型支持BF16和FP8_mixed_learned的加载，具有较好的硬件兼容性。
SulphurAI/Sulphur-2-base：多模态文本视频生成新秀
SulphurAI/Sulphur-2-base是一款基于LTX 2.3的文本到视频生成模型，定位为多模态模型。该模型具有prompt enhancer功能，支持t2v和i2v格式，并具备与其他ltx 2.3格式兼容的特点。模型在性能上具有创新性，但未提供具体的基准测试结果。其开源协议、硬件需求和推理效率等信息未明确，但与流行推理框架的兼容性可能是一个考量点。
Zyphra/ZAYA1-8B：高效数学代码推理大模型
Zyphra/ZAYA1-8B是一款专注于推理优化的领域大模型，具有8.4B参数，特别擅长数学和代码推理任务。其架构采用混合专家模型，参数效率高，推理速度快，适用于设备端部署。在MMLU、GPQA等基准测试中表现出色，与同类模型相比具有显著优势。
Jackrong/Qwopus3.6-35B-A3B-v1-GGUF：35B参数MoE推理增强模型
Jackrong/Qwopus3.6-35B-A3B-v1-GGUF是一款基于Qwen3.6-35B-A3B的推理增强MoE模型，定位为推理模型。该模型具有35B参数，支持高达262k的上下文窗口，采用LoRA进行微调，支持视觉和工具调用。在性能上，该模型在推理和逻辑处理方面表现出色，适用于需要复杂推理和多模态任务的应用场景。
🔥 HiDream-ai/HiDream-O1-Image
HiDream-O1-Image是一款基于Pixel-level Unified Transformer的图像生成模型，定位为多模态模型。其核心技术特点包括无VAE和分离文本编码器，支持文本到图像、图像编辑和主题驱动个性化。性能上，该模型在人工分析文本到图像领域排名第八，具有高分辨率和推理驱动的提示代理。主要应用场景包括图像生成、编辑和个性化定制。开源协议为MIT，硬件需求较高，推理效率良好。
google/gemma-4-31B-it-assistant：31B参数，多语言，高效生成
Gemma-4-31B-it-assistant 是一款由 Google DeepMind 开发的多模态大型语言模型，定位为通用大模型。该模型具有高达 31B 的参数量，支持超过 140 种语言的上下文，并具备 Dense 和 MoE 架构。其在推理速度和生成质量上均有显著优势，尤其在代码生成和推理任务上表现出色。性能方面，Gemma-4-31B-it-assistant 在多个基准测试中取得了优异的成绩，如 MMLU、GPQA 等。该模型适用于需要高效率、高质量文本生成的场景，如低延迟应用和设备端部署。
sensenova/SenseNova-U1-8B-MoT：8B参数多模态通用大模型
SenseNova-U1-8B-MoT是一款多模态模型，定位为通用大模型，具有强大的跨模态理解和生成能力。其核心技术为NEO-Unify架构，支持多模态数据直接处理，上下文长度大，参数量达到8B。在MMLU、GPQA等基准测试中表现优异。适用于图像编辑、文本到图像、图像到文本等多种场景，具有开源Apache-2.0协议，对硬件要求较高，推理效率较高。
🔥 froggeric/Qwen-Fixed-Chat-Templates
🔥 froggeric/Qwen-Fixed-Chat-Templates 是一款针对 Qwen 3.5 和 3.6 版本的固定聊天模板，旨在解决官方模板中的渲染错误、token 浪费和缺失功能。该模型定位为特定领域微调模型，专注于聊天模板的优化。其核心技术包括 Jinja 模板引擎和 Qwen 模型适配，具有参数量小、上下文长度适中、易于部署的特点。在性能表现上，该模型在聊天模板领域表现出色，能够有效提升聊天体验。主要应用场景为聊天机器人、虚拟助手等。实用考量方面，该模型开源协议为 Apache-2.0，硬件需求较低，推理效率较高，与流行推理框架兼容性好。
Supertone/supertonic-3：轻量级文本到语音，31语种支持
Supertone/supertonic-3是一款专注于本地推理的轻量级文本到语音系统，定位为特定领域的微调模型。其核心技术包括ONNX Runtime和多种语言支持，具有高阅读稳定性和低重复/跳过失败率。性能上，Supertonic 3在31种语言中表现出色，支持简单的表情标签，适用于本地设备上的快速语音合成。主要应用场景包括语音合成和多媒体内容创作，使用时需考虑其开源协议和硬件需求。
openbmb/MiniCPM-V-4.6：多模态模型，高效视觉理解
MiniCPM-V 4.6是一款针对移动端优化的多模态语言模型，定位为多模态模型。它基于SigLIP2-400M和Qwen3.5-0.8B LLM构建，具有强大的图像和视频理解能力。该模型在保持高性能的同时，通过混合4x/16x视觉token压缩和LLaVA-UHD v4技术，显著提高了计算效率。在基准测试中，MiniCPM-V 4.6在多个视觉语言理解任务上表现优异，尤其在OpenCompass、RefCOCO等基准上达到Qwen3.5 2B级别的性能。模型适用于移动平台，支持多种推理框架，并开源了边缘适配代码，便于开发者定制。
HiDream-ai/HiDream-O1-Image-Dev：像素级Transformer，高分辨率图像生成
HiDream-O1-Image是一款基于Pixel-level Unified Transformer的图像生成模型，定位为多模态模型。它具有像素级统一Transformer架构，支持文本到图像、图像编辑和主题驱动个性化等功能。该模型在2026年5月5日的人工智能文本到图像领域中排名第8，具有高分辨率图像生成能力。其开源协议为MIT，适用于多种硬件平台，推理效率较高，与流行推理框架兼容。
unslath/Qwen3.6-27B-MTP-GGUF：多模态27B参数高效转换模型
🔥 unsloth/Qwen3.6-27B-MTP-GGUF 是一款基于 Qwen/Qwen3.6-27B 的多模态扩展模型，专注于图像到文本的转换。该模型具有27B的参数量，支持MTP（多任务预测）技术，实现了更快的生成速度。它在HuggingFace平台上具有较高的下载量和点赞数，表明其在社区中受到认可。该模型在特定任务上表现出色，如代码生成和工具调用，适用于需要多模态交互的场景。其开源协议为Apache-2.0，支持在Unsloth Studio中进行运行和微调。
unslath/Qwen3.6-35B-A3B-MTP-GGUF：多模态通用大模型，高效推理
🔥 unsloth/Qwen3.6-35B-A3B-MTP-GGUF 是一款基于 Qwen/Qwen3.6-35B-A3B 的多模态扩展模型，定位为通用大模型。其核心技术包括GGUF（Generalized GPT-3 Unconditional Fine-tuning）和MTP（MTP speculative decoding），具有高达35B的参数量和1.5-2倍加速的生成速度。在MMLU、GPQA、IFEval等基准测试中表现优异。适用于图像到文本的转换等任务，具有开源协议、硬件需求适中、推理效率高的特点。
EgoForce：单目自拍摄像头实现前臂引导3D手势识别
这篇论文提出了EgoForce，一个基于单目头戴相机的3D手部姿态重建框架，通过结合可微的臂部表示、统一的臂手变换器以及射线空间闭式求解器，实现了对用户视角下手部绝对3D姿态和位置的恢复，有效解决了深度尺度模糊性问题，并在多个基准数据集上达到了最先进的3D精度。
LLM代理无需推理已掌握调用工具时机
这篇论文提出了一种名为When2Tool的基准，用于评估工具增强型LLM代理在何时调用工具的决策能力。通过分析模型隐藏状态，发现模型在生成前已经知道何时需要工具，但未能有效利用这一知识。论文提出了Probe&Prefill方法，通过读取隐藏状态信号并预填充模型响应，显著减少了工具调用，同时保持了较低的准确率损失。
微瑕揭露宏伪：通过局部分布偏移检测AI生成图像
这篇论文提出了一种名为MDMF的检测框架，通过局部分布感知来检测AI生成的图像。该框架通过学习一个可预测的Patch Forensic Signature，将语义块嵌入到紧凑的取证潜在空间中，并使用MMD来量化生成图像和真实图像之间的分布差异，从而放大微尺度统计异常到宏观层面的分布差异。
语言与推理的吸引子模型：破解循环之谜
这篇论文提出了Attractor Models，一种通过迭代优化潜在表示来改进语言建模和推理的模型。该方法通过隐式微分获得梯度，使训练内存保持恒定，并通过自适应迭代实现可扩展的循环。实验表明，Attractor Models在语言建模和推理任务上优于现有模型，同时降低了训练成本。
单层解析全解：揭秘大型语言模型巨量激活
这篇论文研究了大型语言模型（LLMs）中大规模激活的起源，并识别出一个名为大规模涌现层（ME Layer）的特定层。该层在多个模型家族中普遍存在，是大规模激活首次出现并随后通过残差连接传播到更深层的起点。论文提出了一种方法来减少大规模激活的刚性，从而提高了LLMs在多个任务上的性能，包括指令遵循和数学推理。
大规模城市空间感知多模态数据集与评估框架：Urban-ImageNet
这篇论文提出了Urban-ImageNet，一个大规模的多模态数据集和评估框架，用于从社交媒体图像中感知城市空间。该数据集包含从微博收集的超过200万张公共社交媒体图像和配对的文本帖子，并使用HUSIC框架进行组织，该框架定义了一个基于城市理论的10类分类法。Urban-ImageNet支持三个任务：城市场景语义分类、跨模态图像-文本检索和实例分割，并通过实验评估了视觉、视觉-语言和分割模型的表现。
持续适应的LLM：快慢学习之道
这篇论文提出了一个针对大型语言模型（LLMs）的快慢学习框架，通过将模型参数作为“慢”权重和优化上下文作为“快”权重，实现了在保持模型通用推理能力的同时，快速适应特定任务的需求，有效减少了灾难性遗忘和模型漂移。
高效预训练：基于Token叠加
这篇论文提出了Token Superposition Training (TST)方法，通过将多个连续的token组合成一个组，并在预训练阶段使用多热交叉熵（MCE）目标进行训练，从而显著提高大型语言模型预训练的数据吞吐量，同时不改变并行性、优化器、分词器、数据或模型架构。
Agent-BRACE：通过语言化状态不确定性解耦信念与长期任务行动
这篇论文提出了Agent-BRACE，一种通过将信念状态模型和政策模型分离来处理长时程任务中信念与行动解耦的方法。该方法通过自然语言描述环境状态的不确定性，并使用强化学习联合优化，在长时程、部分可观察的具身语言环境中实现了显著的性能提升。
ORBIT：通过源头调控融合保护GenRetrieval基础语言能力
这篇论文提出了一种名为ORBIT的新方法，旨在解决在生成式检索（GenRetrieval）任务中，对大型语言模型（LLM）进行微调时出现的灾难性遗忘问题。通过跟踪微调模型与原始模型参数之间的距离，并使用权重平均策略来限制模型漂移，ORBIT在保持文本和检索性能方面表现出色。
UniPath：统一多模态推理的适应性理解与生成协调
这篇论文提出了UniPath，一个自适应的框架，用于统一的多模态推理中的理解和生成协调。它通过利用协调路径的多样性来提高性能，允许模型根据输入选择不同的协调路径，从而实现更有效的推理。
强化学习助力LLM解锁参数知识
这篇论文研究了强化学习在大型语言模型（LLMs）中解锁参数化知识的作用。通过在零样本、单跳、闭卷问答设置中应用强化学习，论文发现强化学习可以显著提高LLMs对参数化知识的直接召回能力，而不是通过推理或记忆。实验结果表明，强化学习主要通过对现有知识重新分配概率质量来提高性能，而不是获取新事实。
联合学习环境视频的实时重光照视频技术
这篇论文提出了一种名为Relit-LiVE的视频重光照框架，通过联合学习环境视频，实现了物理一致性和时间稳定性，无需先验的相机姿态知识。该框架通过引入原始参考图像恢复关键场景线索，并提出了一种新的环境视频预测公式，在单个扩散过程中同时生成重光照视频和与每个相机视角对齐的环境图。
可靠思维链通过前缀一致性
这篇论文提出了一种通过前缀一致性来提高大型语言模型在推理任务上的准确性的方法。该方法通过观察在截断并重新生成思维链（CoT）时，正确答案的痕迹比错误答案的痕迹更频繁地重现其原始答案，从而作为可靠性信号。这种方法在多个推理模型和数学科学基准测试中表现优异，能够显著减少所需的token数量。
语言模型自我批评：基于演员内部状态的价值评估强化学习
这篇论文提出了一种名为POISE的新方法，通过利用语言模型内部状态进行价值估计，以实现高效的强化学习。该方法通过预测内部状态和生成的轨迹的期望可验证奖励，以及token-entropy统计信息，来减少梯度方差，从而实现更稳定和高效的政策优化。
工业知识边界探析：LLMs的IndustryBench
这篇论文提出了IndustryBench，一个针对工业采购问答的基准测试，旨在评估大型语言模型（LLMs）在工业知识边界上的表现。该基准测试基于中国国家标准和工业产品记录，通过七个能力维度、十个行业类别和难度等级进行组织，并提供了多语言版本。研究结果表明，LLMs在工业问答中存在标准和术语方面的弱点，且扩展推理会降低安全调整后的得分。
多流LLM：并行思维、输入输出解锁语言模型
这篇论文提出了多流语言模型（Multi-Stream LLMs），通过并行处理思考、输入和输出流来解锁语言模型的能力，从而提高模型效率、安全性和可监控性。
LLM多智能体系统拓扑与能力协同进化
这篇论文提出了TacoMAS，一个基于LLM的多智能体系统测试时协同进化框架，通过联合调整拓扑结构和能力，实现动态多智能体系统的有效进化。TacoMAS通过在线图自适应将MAS推理任务化，快速能力循环和慢速元LLM驱动的拓扑循环分别更新智能体专业知识和执行MAS的增删操作，实验表明TacoMAS在多个基准测试中优于其他多智能体基线，平均性能提升13.3%。
谱保正交等价变换优化器：Pion
这篇论文提出了Pion，一种基于正交等价变换的谱保留优化器，用于大型语言模型（LLM）的训练。Pion通过左和右正交变换更新每个权重矩阵，在整个训练过程中保持其奇异值不变，从而在保持权重矩阵谱范数固定的情况下调节其几何形状。实验结果表明，Pion在LLM预训练和微调方面提供了一个稳定且具有竞争力的优化器。
代码检索重写策略：杜绝复制粘贴
这篇论文研究了基于嵌入的代码检索中，编码器对表面语法的过度拟合问题。通过使用大型语言模型（LLM）重写查询和语料库，论文提出了三种重写策略：风格重写、自然语言增强伪代码和完整的自然语言转录。通过实验，论文发现使用联合查询-语料库（QC）重写可以获得最大的性能提升，同时引入了Delta H和Delta s两个诊断指标，以预测重写是否有效。
Hugging Face推10K Reachy Minis代理机器人应用商店
Hugging Face宣布推出适用于10,000个Reachy Minis的代理机器人应用商店。用户可以使用自然语言描述他们想要的机器人行为，然后AI代理将编写、测试和部署代码到机器人上。该平台旨在降低机器人编程的门槛，使非技术用户也能轻松创建机器人应用。
LocalAI突破摩尔定律：两年笔记本电脑性能飞跃
这篇公告讨论了在过去两年中，尽管硬件性能没有显著提升，但本地AI模型在笔记本电脑上的性能却以超过摩尔定律的速度增长。文章强调了稀疏混合专家、量化技术和推理训练等创新在推动这一进展中的作用。
Tether Data推QVAC MedPsy 边缘设备AI医疗新标杆
Tether Data发布了QVAC MedPsy，这是一系列先进的医疗和健康语言模型，专为边缘设备部署设计。这些模型在医疗推理能力上达到了新的标准，同时保持了高效的参数效率，为智能手机、可穿戴设备和资源受限的医疗环境提供了临床级的AI。
深度估计新突破：视频压缩增强AI鲁棒性
这篇公告介绍了如何通过将视频压缩作为数据增强策略来提高深度估计模型的鲁棒性。研究聚焦于深度估计任务，特别是如何通过训练模型以处理压缩视频中的几何失真，从而提高模型在视频压缩环境下的准确性。
AI达人揭秘：KV缓存加速Transformer推理
本文介绍了KV缓存技术，这是一种优化Transformer推理效率的方法。通过缓存中间计算结果，模型可以避免重复计算，从而加快文本生成速度，提高效率。
商汤联手南洋理工，NEO-unify革新多模态AI学习
商汤科技与南洋理工大学合作推出了NEO-unify，这是一种端到端原生多模态统一模型，旨在直接处理原始像素和文本输入，摆脱传统多模态AI中视觉编码器和变分自编码器的依赖，实现文本和视觉的统一学习，并展现出高数据扩展效率。
开源AI肿瘤决策助手OncoAgent：隐私保护新利器
OncoAgent是一个开源的、保护隐私的肿瘤学临床决策支持系统，它结合了双层微调LLM架构和最先进的LangGraph多智能体拓扑结构，以及一个基于70多个NCCN和ESMO指南的四阶段Corrective RAG管道。该系统旨在通过减少对云API的依赖，保护患者数据主权，并在AMD Instinct MI300X硬件上实现。
ShaneAI数学建模新突破FANT与Sparrow模型惊艳亮相
这篇公告主要介绍了AI技术分析师Shane在数学建模和AI模型构建方面的经验，包括他如何使用FANT模型在数学评估中取得优异成绩，以及他新开发的Sparrow模型在数学问题解决上的卓越表现。
CyberSecQwen-4B: Why Defensive Cyber Needs Small, Specialized, Locally-Runnable Models
LabLab AI和AMD合作发布了一个名为CyberSecQwen-4B的网络安全模型，这是一个小型、专业化的本地可运行模型，旨在提高网络安全防御的效率和效果。该模型在AMD Instinct MI300X上训练，并在多个网络安全任务中表现出色，包括CWE分类、CVE到CWE映射和结构化CTI问答。
独闯法语LLM训练之旅：1080Ti助力，电力中断也难挡！
一位AI技术分析师独自使用1080 Ti GPU，从头开始训练了一个法语语言模型（LLM），并在训练过程中遭遇了电力中断。他详细描述了从数据收集、清洗、分词、模型架构设计到训练过程，以及如何通过多阶段训练和对比学习来提高模型性能。
Hugging Face携手JFrog Artifactory升级AI存储库布局
这篇公告介绍了Hugging Face与JFrog Artifactory的集成，强调了即将到来的技术更新，包括2026年6月前的迁移到新的机器学习存储库布局，以及Hugging Face Enterprise Plus的新功能，如Model Gateway，旨在解决企业级AI工作负载的挑战。
用户名揭秘：Transformer模型中张量维度处理技巧
这篇博客详细介绍了在Transformer模型中处理张量维度的重要性，包括矩阵乘法、嵌入层、位置编码、解码器层和注意力机制等关键概念，旨在帮助读者更好地理解Transformer架构。
AI进化揭秘：GRPO到GSPO强化学习新突破
本文介绍了从GRPO到DAPO再到GSPO的强化学习技术演进，重点关注了在大型语言模型中如何优化长文本输出和复杂任务的性能。文章详细讨论了每种方法的原理、优势和局限性，并展示了如何通过改进采样、剪枝和梯度计算等细节来提高效率和稳定性。
AI专家驳无分词器论：分词器不可或缺
本文讨论了自然语言处理中的分词器（tokenizer）的重要性，反驳了“无分词器”语言模型的观点，并强调了分词器在语言模型中的作用和重要性。
探索Pallas：JAX新扩展让Python用户轻松定制GPU/TPU内核
Pallas是一个实验性的JAX扩展，用于编写针对GPU和TPU的定制内核。它允许用户使用Python编写代码，并使用许多熟悉的JAX原语，同时保持JAX跟踪和jax.numpy的易用性。Pallas旨在提供对生成代码的细粒度控制，同时保持JAX的易用性。
AI安全评估：测试时间计算不容忽视
这篇公告强调了在AI安全评估中考虑测试时间计算的重要性，指出在有限的测试时间计算下看似安全的系统可能在更大的、适应性强的和理性经济预算下变得不安全。它提出了一个更全面的评估方法，包括多个预算级别、攻击者类型和测试时间计算，以更准确地评估AI系统的风险。
Urro打造授权数据AI，伦理争议下破局
这篇公告讨论了人工智能行业在数据获取和模型训练过程中的伦理问题，特别是关于版权、数据许可和劳动者权益的问题。它强调了使用未经授权的数据和忽视劳动者权益的实践，并提出了Urro组织正在构建的基于授权数据和公平劳动实践的通用人工智能模型。
用户揭秘：abliteration技术解锁LLM无审查响应新境界
本文介绍了名为“abliteration”的技术，该技术可以取消任何大型语言模型（LLM）的审查机制，使其能够响应所有类型的提示。这项技术通过修改模型权重来阻止模型拒绝请求，从而提高了模型的灵活性和响应能力。
用户名打造makeMoE：揭秘稀疏混合专家语言模型构建
本文介绍了如何从头开始实现一个稀疏混合专家语言模型（makeMoE），该模型基于Andrej Karpathy的项目“makemore”，并借鉴了其许多可复用组件。makeMoE是一个自回归字符级语言模型，采用稀疏混合专家架构，旨在帮助读者理解其工作原理。
构建安全高效沙箱，赋能Windows平台Codex运行
OpenAI在其官方博客上发布了一篇关于如何构建一个安全、有效的沙箱环境以在Windows上启用Codex的文章。该沙箱允许安全的、高效的编码代理进行操作，同时控制文件访问和网络限制。
PRISM：面向长时域智能体的意图感知结构化内存高效检索
这篇论文提出了PRISM，一个针对长时程智能体（long-horizon agents）的检索框架，通过将记忆管理视为图结构记忆上的联合检索和压缩问题，解决了现有方法在处理大量对话历史时的准确性和效率问题。PRISM通过分层捆绑搜索、查询敏感的边成本计算、证据压缩和自适应意图路由等组件，实现了在严格上下文预算下检索正确证据，同时保持了高准确性和检索效率。
AI基础设施面临瘫痪风险：定向莫比乌斯注入引发AbO-DDoS攻击兴起
这篇论文提出了一种名为Mobius Injection的新型攻击方式，通过利用自主代理的逻辑漏洞，通过单条文本注入诱导代理组件的持续递归执行，从而发起基于目标和方向的分布式拒绝服务（AbO-DDoS）攻击。论文通过实验验证了该攻击的轻量级、隐蔽性和可配置性，并提出了一种名为代理组件能量（ACE）分析的前瞻性防御机制。
AdamW训练的Transformer统一缩放极限
这篇论文研究了使用AdamW训练的Transformer在深度极限下的行为，通过将隐藏状态动态建模为相互作用粒子系统，证明了在适当的缩放下，隐藏状态和反向传播变量的联合动态在L^2范数下收敛到常微分方程组的解，并给出了收敛速率。此外，通过应用集中量度技术，获得了离散模型和连续模型之间差异的界限，这些界限与初始条件的紧凑集是一致的。
图像到代码生成多领域基准Vision2Code
这篇论文提出了Vision2Code，一个无参考代码的多领域图像到代码生成基准，旨在评估视觉语言模型在图像到代码生成任务中的性能。该基准包含来自多个数据集的测试示例，并使用特定的评分标准和确定性保障措施来评估生成的代码。实验结果表明，图像到代码的性能在不同领域之间存在差异，并且通过筛选评估者的输出作为训练数据可以提升模型性能。
QLoRA PEFT模块输出可组合性，实现即插即用属性控制文本生成
这篇论文提出了一种名为QLoRA的参数高效微调（PEFT）技术，通过组合多个独立训练的PEFT模块的输出，实现了对文本生成任务的灵活调整，特别在情感控制、主题控制和多属性控制方面表现出色。
基于黎曼流形的未来导向群体量化：Agent交互模拟新方法
这篇论文提出了一个名为GeomHerd的前瞻性放牧量化框架，通过Ricci流几何在代理交互模拟中直接量化协调，以解决现有方法在检测协调时存在的滞后问题。该框架利用一个异构的多代理模拟器，并通过跟踪Ollivier-Ricci曲率来捕捉协调的结构拓扑。实验结果表明，GeomHerd能够在市场基准之前预测放牧行为，并具有跨领域的预测能力。
GRAFT-ATHENA：自优化智能团队与自主发现进化算法
这篇论文提出了GRAFT-ATHENA，一个自我优化的智能体框架，通过学习过去的科学问题来自主扩展其动作空间，并在多个领域内提高其解决问题的能力。该框架使用GRAFT技术将组合决策空间投影到概率因子树中，从而将参数足迹从指数级降低到线性级，并通过与类似过去问题的相似度来学习新问题。
Caraman在SemEval-2026任务8：三阶段多轮检索与查询重写、混合搜索及跨编码重排
这篇论文提出了一种针对多轮检索任务的三阶段管道，包括查询重写、混合检索和跨编码重排序，在SemEval-2026 Task 8中取得了优异的成绩。论文使用了LoRA微调的Qwen 2.5 7B模型进行查询重写，结合BM25和密集检索进行混合检索，并使用BGE-reranker-v2-m3进行跨编码重排序。
临床基准：MIMIC-IV跨入院临床问答的断言感知检索压力测试
这篇论文提出了ClinicalBench，一个针对跨入院临床问答的断言感知检索基准，通过在真实EHR笔记上进行检索来评估临床性能。它使用EpiKG来标记患者知识图中的断言和时态，并通过问题意图进行检索路由。实验结果表明，ClinicalBench在多个大型语言模型上提高了检索性能，并强调了临床QA基准需要医生评审的重要性。
