精选 47 篇，从 310+ 条中筛选
LocoOperator-4B是一款专注于代码库探索的4B参数工具调用代理模型，基于Qwen3-4B-Instruct-2507进行知识蒸馏训练。该模型具有100%的JSON有效性，支持本地部署，适用于快速代码库搜索和导航。它在代码生成和工具调用方面表现出色，适用于需要代码探索和自动化的场景。
MiniMax-M2.5是一款定位在通用大模型范畴内的LLM，具有较大的参数量和较长的上下文长度。其核心技术基于transformers库，并引入了safetensors和custom_code等创新。在性能上，该模型在多个基准测试中表现出色，具有较好的代码生成和数学推理能力。开源协议为modified-mit，适合在多种硬件和推理框架上使用。
Qwen3.5-397B-A17B是一款通用大模型，具备强大的多模态学习能力和高效的推理性能。其核心架构采用Gated Delta Networks和sparse MoE，支持1M上下文长度，具有跨语言的广泛覆盖。在多模态学习、推理效率、适应性等方面表现出色，适用于需要高效率、高准确性的多模态任务。
LiquidAI/LFM2-24B-A2B是一款针对边缘设备部署的混合模型，定位为通用大模型。该模型具有24亿参数，采用MoE架构，有效参数仅为2亿，适合在消费级硬件上运行。其在推理效率上表现出色，支持快速边缘推理。性能方面，质量随参数量线性提升，展现出可靠的扩展性。主要应用场景包括代码生成、数学推理和多语言能力等，适用于需要高效推理的边缘设备。
🔥 unsloth/Qwen3.5-35B-A3B-GGUF 是一款基于 Qwen/Qwen3.5-35B-A3B 的多模态扩展模型，定位为通用大模型。该模型具有35B参数，支持图像到文本的转换，具备代码生成和工具调用能力。在性能上，GGUFs刷新后，模型在工具调用和编码性能上有所提升。该模型开源协议为Apache-2.0，适用于需要高性能代码生成和多模态交互的场景。
🔥 unsloth/Qwen3.5-27B-GGUF 是一款通用大模型，具备强大的多模态处理能力。该模型基于Qwen3.5-27B进行微调，采用GGUF技术，实现了高效的混合架构。其上下文长度可达27B，参数量庞大，支持图像到文本的转换。在MMLU、GPQA等基准测试中表现出色，尤其在多模态理解和推理方面具有显著优势。适用于需要多模态交互和复杂推理的场景，如问答系统、内容生成等。
模型定位：通用大模型，规模庞大，参数量达35B。核心能力：基于Qwen/Qwen3.5-35B-A3B，采用abliterated技术去除拒绝词，支持图像-文本-文本转换。性能表现：未提供具体基准测试结果，但强调 uncensored 特性。主要应用场景：适用于需要大量上下文和丰富表达的场景，如对话系统。使用考量：开源协议Apache-2.0，硬件需求高，推理效率需进一步评估。
该模型定位为通用大模型，具有1024维的参数量和32K的上下文长度。其核心技术为基于扩散预训练的密集和上下文嵌入，避免了指令微调，直接嵌入文本。在性能表现上，模型在权威基准测试中表现良好，具有高效的开源协议和推理效率。主要应用场景包括独立文本嵌入、文档相似度比较等，适合用于语义搜索和索引构建。
Kimi K2.5是一款开源的多模态大语言模型，定位为通用大模型。它基于约150万亿混合视觉和文本标记的持续预训练，具备视觉和语言理解以及先进的代理能力。模型在视觉知识、跨模态推理和基于视觉输入的代理工具使用方面表现出色。其核心能力包括视觉到代码的生成和代理群体执行复杂任务。在性能上，Kimi K2.5在权威基准测试中表现良好，具有开源协议、硬件需求适中、推理效率较高的特点，适用于多模态任务和复杂任务处理。
DeepSeek-R1是一款定位在推理模型领域的LLM，具有较大的参数量和较长的上下文长度。其核心技术包括Transformer变体和DeepSeek-v3架构，支持文本生成和对话。在性能评估方面，模型在权威基准测试中表现出色，具有较好的代码生成和数学推理能力。该模型开源，适用于需要高性能推理的复杂任务，如代码生成和数学问题解决。
Qwen/Qwen3.5-9B是一款通用大模型，具备9B参数，支持多模态学习。其核心技术包括多模态融合训练、高效的混合架构、可扩展的强化学习泛化能力、全球语言覆盖和下一代训练基础设施。在基准测试中表现出色，尤其在多模态理解和推理任务上。适用于需要多语言、多模态理解和高效推理的场景，如对话系统、内容生成等。
Qwen/Qwen3.5-4B是一款通用大模型，具有4B参数，采用多模态学习技术。其核心能力包括高效的混合架构、可扩展的强化学习泛化能力以及全球语言覆盖。在基准测试中表现出色，尤其在多模态任务上。该模型适用于需要多语言能力和跨模态理解的场景，具有开源协议、高效的推理性能和与流行框架的兼容性。
🔥 unsloth/Qwen3.5-9B-GGUF 是一款基于 Qwen3.5-9B 的多模态扩展模型，定位为通用大模型。其核心技术包括早期融合的多模态学习、Transformer 架构和 GGUF 技术，支持图像到文本的转换。该模型在 MMLU、GPQA、IFEval 等基准测试中表现出色，具有强大的推理和代码生成能力。开源协议为 Apache-2.0，适用于多种硬件平台，与 vLLM、TGI 等框架兼容。
Qwen/Qwen3.5-2B是一款定位为通用大模型的LLM，具有2B参数量，支持多模态学习。其核心技术包括早期融合的多模态训练、高效的混合架构、可扩展的强化学习泛化能力、全球语言覆盖以及下一代训练基础设施。在性能上，Qwen3.5在多个基准测试中表现出色，具有强大的推理能力和多语言处理能力。该模型适用于原型设计、特定任务的微调和研发等用途，具有开源协议、高效的推理效率和与流行推理框架的兼容性。
Qwen3.5-35B-A3B是一款定位在通用大模型领域的LLM，具备高效的混合架构和强大的多模态学习能力。该模型具有35B的参数量，支持1M的上下文长度，采用Apache-2.0开源协议。在性能上，Qwen3.5在多个基准测试中表现出色，尤其在多模态任务上具有显著优势。其主要应用场景包括多语言处理、代码生成和视觉理解等，适合需要高性能和高效推理的应用。
Qwen3.5-0.8B是一款通用大模型，具有0.8B参数，采用统一的视觉语言基础架构，支持多语言和模态。其核心能力包括高效的混合架构、可扩展的强化学习泛化能力以及全球语言覆盖。在MMLU、GPQA、IFEval等基准测试中表现出色。适用于原型设计、特定任务微调和研发等。
Nanbeige4.1-3B是一款基于Nanbeige4-3B-Base的增强型推理模型，具有小型参数规模但强大的推理、偏好对齐和有效代理行为能力。该模型在代码、数学、科学等通用推理任务上表现出色，尤其在LiveCodeBench-Pro、IMO-Answer-Bench和AIME 2026 I等挑战性任务中表现出色。其技术特点包括监督微调和强化学习优化，支持深度搜索任务，并在小模型生态系统中实现了推理和代理能力的平衡。模型适用于需要复杂推理和代码生成的场景，具有开源Apache-2.0协议，适合在通用推理和特定领域应用中部署。
GLM-5是一款针对复杂系统工程和长期目标代理任务的大语言模型。它具有744亿参数，支持中英双语。GLM-5在预训练和后训练方面均有显著提升，尤其在推理、编码和代理任务上表现出色。其核心技术包括DeepSeek Sparse Attention（DSA）和异步RL基础设施slime，旨在提高训练效率和推理效率。模型在多个基准测试中表现优异，是开源模型中的佼佼者。
这篇论文提出了ParEVO框架，用于合成针对不规则数据的并行算法。该框架通过Parlay-Instruct Corpus、专门训练的模型和进化编码代理来解决并行编程的难题，实现了高性能并行计算。
这篇论文提出了QEDBench，一个用于量化自动评估大学水平数学证明中对齐差距的大规模双标准对齐基准。通过对比课程特定评分标准和专家通用知识标准，论文揭示了在高级数学评估中，某些评估器存在系统性偏差，并发现了在离散领域推理中的关键推理差距。
这篇论文研究了在存在数据偏差的情况下，如何使机器学习模型能够有效地忘记特定的数据。论文提出了CUPID框架，通过将忘记集分为因果和偏差近似子集，并分离模型参数为因果和偏差路径，从而有效地解决了模型难以忘记与偏差相关的样本的问题。
这篇论文通过构建一个名为ProbCOPA的数据集，包含210个手工制作的概率推理案例，并让人类参与者进行标注，发现人类和大型语言模型（LLM）在概率推理上的表现存在显著差异，指出LLM在处理开放性、非确定性推理任务时存在局限性。
这篇论文研究了大型语言模型（LLM）的内部工作原理，通过提取算法核心，揭示了不同训练的Transformer模型虽然权重不同，但最终会收敛到相同的算法结构，从而实现了对模型计算过程的低维不变性分析。
这篇论文提出了一种名为 BBQ 的大规模文本到图像模型，该模型通过直接在统一的结构化文本框架中对数字边界框和 RGB 三元组进行条件化，实现了对对象位置、大小和颜色的精确控制。通过在包含参数注释的标题上进行训练，BBQ 实现了精确的空间和色彩控制，同时提供了直观的用户界面，如对象拖动和颜色选择器，从而提高了图像生成的精确性和色彩保真度。
这篇论文提出了GroupGPT，一个针对多用户聊天助手的高效和隐私保护代理框架。该框架通过小-大模型协作架构，将干预时机与响应生成解耦，支持多种模态输入，并通过MUIR数据集评估了其准确性和响应质量。
SciDER通过自动化科学发现流程，利用大型语言模型解析和分析原始科学数据，生成基于数据的假设和实验设计，并自动编写和执行代码，从而加速数据驱动的科学研究。
这篇论文提出了DynaMoE，一种新的混合专家网络架构，通过动态令牌级专家激活和分层自适应容量分配来放松标准混合专家网络的设计假设，从而提高参数效率和计算效率。
这篇论文提出了一种名为NE-Dreamer的MBRL代理，它使用时间变换器直接预测下一步的编码器嵌入，从而在表示空间中优化时间预测对齐。这种方法使NE-Dreamer能够学习一致、预测性的状态表示，而无需重建损失或辅助监督。在DeepMind Control Suite和DMLab任务中，NE-Dreamer的性能与DreamerV3和领先的解码器自由代理相当或更好。
这篇论文提出了CFG-Ctrl，一种基于控制理论的分类器无关扩散模型指导方法，通过引入滑动模式控制CFG（SMC-CFG）来解决现有方法中线性控制导致的稳定性问题和语义保真度下降的问题，实验表明其在语义对齐和鲁棒性方面优于标准CFG。
这篇论文提出了一个基于Riemannian几何的图预训练方法，通过将不同领域的图数据集合并到一个统一的Riemannian流形中，实现了知识的系统整合和迁移。该方法通过建立神经流形粘合理论，使用自适应正交框架描述局部几何，然后将局部片段粘合在一起，形成连贯的整体。实验表明，该方法在多个图领域上表现出优异的性能，并验证了其几何缩放定律。
这篇论文提出了一种名为Conditioned Activation Transport (CAT)的框架，用于解决Text-to-Image (T2I)模型生成不安全内容的问题。该框架通过构建一个对比数据集，并利用基于几何的调节机制和非线性传输图，在保证图像质量的同时，显著降低了攻击成功率。
这篇论文提出了一种将大型语言模型（LLM）的softmax分类器重新解释为基于能量的模型（EBM）的方法，通过将序列到序列的概率链分解为多个相互作用的EBM，来追踪解码过程中的能量泄漏。这种方法与Orgad等人（2025）的方法类似，但无需训练探针分类器或激活消除。论文通过在多个基准测试中评估，证明了该方法在幻觉检测和跨任务泛化方面的鲁棒性和竞争力。
这篇论文提出了一种基于生成流网络的变换不变性生成射线路径采样方法，用于高效地建模无线电传播。该方法通过智能采样代替穷举搜索，解决了射线追踪在复杂环境中的计算复杂度高的问题，实现了速度和准确性的平衡。
这篇论文提出了条件评论预测（CCP）任务，通过比较模型生成的输出与真实数字足迹，评估大型语言模型（LLMs）在模拟社交媒体用户行为方面的操作有效性。研究比较了不同语言模型和提示策略，发现监督微调（SFT）在低资源环境中存在形式与内容解耦的问题，并强调了行为历史在模型性能中的重要性。
这篇论文提出了MOSAIC，一个用于安全多步骤工具使用的后训练框架，通过使安全决策明确和可学习，来保护代理推理模型。MOSAIC通过偏好强化学习和成对轨迹比较来训练，以减少有害行为并提高拒绝有害任务的能力。
这篇论文提出了一种名为Surgical Post-Training（SPoT）的新方法，旨在通过数据校正管道和基于奖励的二进制交叉熵目标，在提高大型语言模型（LLMs）推理能力的同时，减少灾难性遗忘，并保持先验知识。
这篇论文提出了InfoPO，一种基于信息驱动的策略优化方法，用于解决LLM代理在处理未指定用户请求时的信息获取和决策问题。InfoPO通过识别有价值的交互轮次并计算信息增益奖励，有效地解决了多轮交互中的信用分配问题和优势信号不足的问题，从而在意图澄清、协作编码和工具辅助决策等任务上优于现有方法。
这篇论文提出了CoWVLA（Chain-of-World VLA），一种新的世界模型范式，它结合了世界模型的时间推理和分离的潜在运动表示，以解决视觉语言动作（VLA）模型在预测和时序因果结构上的不足。CoWVLA通过预训练视频VAE提取潜在运动，并在预训练阶段学习从指令和初始帧推断连续的潜在运动链，预测段落的终端帧。在联合微调阶段，这种潜在动态与离散动作预测对齐，通过统一的自回归解码器共同建模稀疏关键帧和动作序列，从而在保持世界模型的时间和世界知识优势的同时，保留了潜在动作的紧凑性和可解释性。
OpenAI 推出名为‘学习成果测量套件’的新框架，旨在通过纵向测量来评估人工智能对学生学习的影响，解决现有研究方法对长期学习影响的评估不足的问题，并计划最终作为公共资源发布。
Axios通过其官方博客宣布，利用AI技术提升本地新闻的效率和影响力，开发了名为“Axiomizer”的定制GPT工具，用于优化新闻标题和核心内容，同时通过AI自动化生产和支持任务，降低成本，使高质量新闻在更多地区实现经济可行。
OpenAI发布了一项关于量子引力研究的新进展，利用GPT-5.2 Pro技术将单负振幅扩展到引力子，揭示了在特定条件下引力子相互作用的新特性，为量子力学与广义相对论的统一研究迈出了重要一步。
这篇论文提出了AccurateRAG框架，这是一个用于构建高精度检索增强问答应用的工具。该框架提供了一套完整的开发流程，包括原始数据集处理、数据生成、文本嵌入、大型语言模型微调、输出评估和本地RAG系统构建。实验结果表明，该框架在基准数据集上取得了最先进的问答性能。
这篇论文提出了ManagerBench，一个评估大型语言模型（LLMs）在现实管理场景中决策安全性的基准。它通过让模型在追求目标的同时避免伤害来测试其安全性和实用性之间的权衡。研究发现，当前前沿的LLMs在处理这种权衡时表现不佳，往往选择伤害性选项或过于谨慎。
这篇论文提出了一种名为Skywork-Reward-V2的奖励模型系列，通过人类-人工智能协同的数据整理方法，解决了现有开放奖励模型在捕捉人类偏好方面的不足。该方法利用大规模偏好数据集SynPref-40M，结合人类验证和人工智能自动整理，显著提高了奖励模型的质量和性能。
该论文提出了一种名为Q-LoRA的量子增强微调方案，用于在少量样本情况下检测AI生成内容。该方法通过将轻量级量子神经网络集成到低秩自适应（LoRA）适配器中，实现了在少量样本设置下的性能提升。论文分析了量子神经网络中的相位感知表示和正则约束变换对性能提升的贡献，并提出了一个全经典变体H-LoRA，以降低成本。
这篇论文提出了DREAM，一个统一的多模态学习框架，通过联合优化判别性和生成性目标，同时学习强大的视觉表示。DREAM使用渐进式遮蔽热身和语义对齐解码技术，在仅使用CC12M数据集训练后，在图像Net线性探测准确性和FID等指标上取得了显著的性能提升。
这篇论文提出了一种名为MASPOB的基于Bandit的提示优化框架，用于多智能体系统。该框架通过结合UCB算法和图神经网络，实现了高效的提示优化，解决了样本效率、拓扑耦合和搜索空间爆炸等问题，在多个基准测试中取得了最先进的性能。
这篇论文提出了Go-Browse，一种通过结构化探索网页环境来收集大规模、多样化的网络代理数据的方法。Go-Browse将数据收集视为图搜索，以实现高效的探索，并通过在WebArena基准测试中实现21.7%的成功率，超越了GPT-4o mini和当前10B参数以下模型的最佳结果。
