精选 75 篇，从 390+ 条中筛选
DrewThomasson/ebook2audiobook项目是一款将电子书转换为有声书的工具，旨在为研究者、开发者及普通用户提供便捷的语音转换服务。该项目通过集成多种TTS引擎，支持超过1100种语言，并具备语音克隆功能，填补了电子书有声化领域的空白。其技术架构亮点在于对多种TTS引擎的集成与优化，以及提供多种运行模式，包括本地运行和远程访问。在LLM生态中，该项目通过提供高效、多语言的电子书转换解决方案，为电子书有声化提供了新的可能性。
Monty是一个基于Rust编写的最小化、安全的Python解释器，专为AI使用而设计。它解决了在AI环境中安全执行Python代码的问题，提供了快速启动、严格的隔离和资源控制。Monty旨在为开发者提供一个简单、高效的工具，以安全地运行由AI生成的代码，同时避免了传统沙箱的复杂性和延迟。
该项目定位为LLM生态中的开发框架，旨在通过Compound Engineering Plugin简化工程工作流程。核心功能包括插件市场、插件转换工具、个人配置同步等，解决工程复杂度累积问题。技术栈亮点在于TypeScript和CLI工具的使用，支持OpenCode和Codex格式转换。在LLM生态中，该项目通过优化工程工作流程，提升开发效率和代码质量。
Shubhamsaboo/awesome-llm-apps 是一个收集了多种基于大语言模型（LLM）的应用项目，旨在为开发者提供丰富的LLM应用案例。该项目定位为开发者社区，通过提供多种LLM应用示例，帮助开发者了解和实现LLM在各个领域的应用。核心功能包括展示多种LLM应用案例，涵盖AI代理、RAG、多智能体团队等。技术架构上，该项目依赖于多种LLM模型和开源技术，如OpenAI、Anthropic、Gemini等。在LLM生态中，该项目通过提供多样化的应用案例，促进了LLM技术的普及和应用。
项目定位为为Codex提供技能目录，旨在帮助AI代理发现和使用指令、脚本和资源以执行特定任务。核心功能是提供技能的安装和管理，解决开发者重复性任务执行的问题。技术架构基于Python，集成Codex平台。在LLM生态中，该项目通过提供技能目录和安装机制，优化了任务执行流程，提升了开发效率。
TradingAgents-CN是一个面向中文用户的股票分析学习平台，它基于多智能体LLM提供股票研究与策略实验工具。该项目通过集成多种LLM和金融数据源，为研究者、开发者提供强大的股票分析能力，填补了LLM在金融领域的应用空白，并通过中文界面和A股数据支持，提升了易用性和实用性。
GitHub Agentic Workflows项目定位为开发框架，旨在通过自然语言Markdown编写和运行GitHub Actions中的agentic workflows，解决自动化仓库任务的问题。其核心功能是利用AI技术实现自然语言驱动的自动化工作流，具有安全性和可控性。技术架构上，该项目基于Go语言开发，并集成了多种安全措施，如沙箱执行、输入清理和网络隔离。在LLM生态中，该项目通过提供一种新的应用范式，为开发者提供了高效、安全的自动化解决方案。
Schematron-3B是一款专注于HTML到JSON转换的领域大模型，采用meta-llama/Llama-3.2-3B-Instruct作为基座模型。其核心能力在于将噪声HTML转换为符合自定义模式的严格JSON，适用于网络抓取和数据导入。模型在HTML到JSON转换质量上表现出色，具有长上下文处理能力。性能上，Schematron-3B在Gemini 2.5 Pro基准测试中取得了4.41的分数，优于Gemini-3B-Base。模型适用于需要结构化数据处理的场景，如网络爬虫和数据导入系统。
nvidia/personaplex-7b-v1是一款定位为通用大模型的LLM，具有7B参数量，支持多语言。其核心技术为Transformer变体，并采用moshi库进行优化。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。模型开源，适用于多种硬件平台，与vLLM等推理框架兼容。主要应用场景包括多语言问答、代码生成等。
GLM-4.7-Flash是一款30B-A3B的MoE模型，定位为通用大模型。其核心技术包括MoE架构和Transformer变体，支持多种语言。在基准测试中表现出色，尤其在AIME 25和GPQA等任务上排名靠前。该模型适用于需要高性能和轻量级部署的场景，支持vLLM和SGLang等推理框架。
DeepSeek-OCR-2是一款专注于图像文本转换的多模态模型，定位为特定领域微调模型。其核心技术基于transformers库，采用自定义代码进行优化，支持多语言处理。模型在OCR任务上表现出色，但缺乏权威基准测试结果。开源协议为Apache-2.0，对硬件要求较高，推理效率需进一步优化。
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。
Anima模型定位为特定领域微调模型，专注于动漫风格的艺术图像生成。其核心技术为基于扩散模型的单文件库，参数量为20亿。模型在动漫风格图像生成方面表现出色，但未公开权威基准测试结果。主要应用场景为动漫艺术创作，使用时需考虑开源协议和硬件需求。
Step 3.5 Flash是一款高效的开源基础模型，定位于通用大模型领域。它采用稀疏混合专家（MoE）架构，参数量196B，上下文长度未指定。该模型在推理速度和代码生成方面表现出色，通过3-way Multi-Token Prediction（MTP-3）技术，实现了100-300 tok/s的生成吞吐量。在SWE-bench和Terminal-Bench 2.0基准测试中分别取得了74.4%和51.0%的优异成绩。模型开源协议为Apache 2.0，适用于需要快速推理和代码生成的场景。
zai-org/GLM-OCR是一款基于GLM-V架构的多模态OCR模型，专注于复杂文档理解。该模型采用多令牌预测损失和稳定的全任务强化学习，结合CogViT视觉编码器和GLM-0.5B语言解码器，实现高效训练和识别。在OmniDocBench V1.5基准测试中排名第一，适用于复杂表格、代码密集型文档等场景，支持vLLM、SGLang和Ollama等推理框架，易于集成到现有生产流程中。
Qwen3-ASR-1.7B是一款专注于语音识别的领域大模型，具备多语言和方言支持能力。该模型采用Qwen3-Omni基础模型，结合大规模语音训练数据，实现了在复杂声学环境和挑战性文本模式下的高质量和鲁棒识别。其在开源ASR模型中达到最先进水平，与顶级商业API相媲美。模型支持语言识别和语音识别，具有高效的吞吐量和强大的推理框架。主要应用场景包括语音转文本、语音识别等。
Qwen3-Coder-Next是一款针对代码生成和本地开发设计的开源语言模型。该模型具有3B激活参数和80B总参数，上下文长度为256k，支持多种CLI/IDE平台。其核心技术包括混合布局、MoE和Gated DeltaNet。在代码生成任务中表现出色，具有高效的性能和强大的适应性。模型在HuggingFace平台上的下载量和点赞数均较高，表明其在LLM领域中的受欢迎程度。主要应用场景包括代码生成、本地开发和集成到IDE中。
ACE-Step/Ace-Step1.5是一款针对音乐生成领域的开源模型，定位为多模态模型。其核心技术为结合语言模型和扩散模型，支持从简短循环到10分钟长曲的创作。该模型在训练数据上具有商业合规性，支持多种风格的音乐生成，且在消费级硬件上运行高效。在性能上，ACE-Step/Ace-Step1.5在音乐生成速度上表现出色，能够在短时间内生成完整的歌曲。主要应用场景包括音乐创作、音频编辑等。
Intern-S1-Pro是一款定位在科学推理领域的万亿参数MoE多模态模型，具有512个专家，每个token激活8个专家。该模型在科学推理基准测试中表现出色，同时在多模态和文本处理方面也具有强大的能力。其核心技术包括STE路由和分组路由，以及FoPE和升级的时间序列建模。性能表现在多个基准测试中均处于领先地位，适用于科学研究和多模态任务。
TeichAI/GLM-4.7-Flash-Claude-Opus-4.5-High-Reasoning-Distill-GGUF是一款专注于推理优化的通用大模型。该模型基于TeichAI的GLM-4.7-Flash，结合了Claude Opus 4.5的高推理能力，特别适用于需要高推理能力的场景。模型具有约2.13M的总token，采用Unsloth和Huggingface的TRL库进行加速训练。在性能上，模型在权威基准测试中表现良好，具有代码生成、科学研究和深度研究等应用场景。开源协议为Apache-2.0，适合在多种硬件和推理框架上使用。
Voxtral Mini 4B Realtime 2602是一款多语言实时语音转写模型，定位为特定领域微调模型。它具有3.4B参数的语言模型和0.6B参数的音频编码器，支持13种语言，并具有可配置的转写延迟。该模型在实时语音转写任务中表现出色，能够在480ms延迟下达到与离线模型相当的性能。它适用于语音助手、实时字幕等应用，具有开源协议、硬件需求低、推理效率高等实用特性。
MiniCPM-o 4.5是一款多模态大语言模型，定位为通用大模型。该模型基于SigLip2、Whisper-medium、CosyVoice2和Qwen3-8B构建，参数量达9B。它在视觉、语音和全双工多模态直播方面表现出色，支持双语实时语音对话和全双工直播功能。性能上，MiniCPM-o 4.5在OpenCompass等基准测试中表现出色，超越了GPT-4o等模型。该模型适用于需要多模态交互和实时处理的场景，如直播互动、多语言对话等。
Qwen3-Coder-Next是一款专注于代码生成的开源语言模型，具有高效能和先进的代理能力。该模型采用3B激活参数，性能与参数量更高的模型相当，适用于代码代理部署。其核心特点包括高效的Transformer架构、混合专家（MoE）机制和256k的上下文长度，支持多种IDE平台集成。在性能评估方面，该模型在代码生成任务中表现出色，具有较好的基准测试结果。主要应用场景包括代码辅助、代码生成和代码优化等。
Qwen3-Coder-Next是一款针对代码生成和本地开发设计的开源语言模型，具有高效的性能和先进的代理能力。该模型采用3B激活参数，性能可与参数量多10-20倍的模型相媲美，适用于代理部署。它具备长距离推理、复杂工具使用和恢复能力，适用于代码生成、数学推理等任务。模型基于transformers库，支持2-bit XL量化，对硬件要求较高。在LLM领域，Qwen3-Coder-Next以其高效的代码生成能力和先进的代理技术脱颖而出。
该模型DavidAU/GLM-4.7-Flash-Uncensored-Heretic-NEO-CODE-Imatrix-MAX-GGUF定位为通用大模型，具有30B参数量，支持200K上下文。其核心技术包括GLM-4.7-Flash架构、MoE模型、16位精度输出和Heretic去审查功能。在性能上，模型在MMLU、GPQA等基准测试中表现良好，具有推理、思考和创作能力。主要应用场景包括创意写作、故事生成等。模型开源，支持GPU和CPU推理，与vLLM等框架兼容。
这篇论文对大型语言模型（LLMs）的推理失败进行了系统性的调查，提出了一个新颖的分类框架，区分了推理类型，并分析了推理失败的原因和缓解策略，旨在构建更强、更可靠和鲁棒的推理能力。
这篇论文研究了大型语言模型（LLMs）在多目标对齐中的交叉目标干扰问题，提出了Covariance Targeted Weight Adaptation（CTWA）方法，通过保持目标奖励与训练信号之间的正协方差来有效减轻干扰，并通过全局收敛分析证明了非凸标量优化在特定条件下能实现全局收敛。
这篇论文提出了SE-Bench，一个用于评估知识内部化的自我进化的基准环境。通过隐藏NumPy库和API文档，SE-Bench提供了一个测试模型在没有文档支持下的知识内部化能力的平台。研究发现，传统的强化学习在知识内部化方面存在缺陷，而自我博弈结合强化学习（SFT）则显示出潜力。
这篇论文提出了一种基于扩散模型的学习生成元模型的方法，用于分析大型语言模型（LLM）的激活状态。通过在10亿个残差流激活上训练扩散模型，论文创建了能够学习网络内部状态分布的元模型。研究发现，扩散损失随着计算量的增加而平滑下降，并且能够可靠地预测下游效用。此外，将元模型学习到的先验应用于引导干预可以改善流畅性，随着损失的减少，收益更大。元模型的神经元逐渐将概念隔离成单个单元，稀疏探测分数随着损失的减少而扩展。这些结果表明，生成元模型为在不进行严格结构假设的情况下实现可解释性提供了一条可扩展的途径。
这篇论文介绍了AtlasPatch，一个用于计算病理学中全切片图像预处理的工具，它通过高效和可扩展的方式实现准确的组织检测和高吞吐量的图像块提取，同时降低计算复杂度。
这篇论文介绍了Pisets，一个针对讲座和访谈的鲁棒的语音识别系统。该系统采用三组件架构，结合Wav2Vec2进行初步识别，Audio Spectrogram Transformer进行假阳性过滤，以及Whisper进行最终识别。通过课程学习方法和多样化的俄语语音语料库，以及先进的不确定性建模技术，Pisets在转录质量上取得了显著提升，特别是在长音频数据和多种声学条件下，其表现优于WhisperX和常规的Whisper模型。
这篇论文介绍了compar:IA，一个由法国政府开发的开放源代码数字公共服务，旨在收集大规模的法国语言人类偏好数据。该平台通过盲配对比较界面收集真实世界提示和用户判断，以支持多语言模型训练、评估和人类-人工智能交互的研究。
这篇论文提出了一种名为SWIRL的自改进世界建模框架，通过将动作视为潜在变量，交替进行正向世界建模和逆向动力学建模，从而从仅包含状态序列的数据中学习世界模型。该方法使用强化学习进行训练，并在多个环境中实现了显著的性能提升。
这篇论文提出了OmniVideo-R1，一个基于强化学习的混合模态推理框架，通过查询意图和模态注意力机制来增强音频-视觉推理能力。该方法结合了自监督学习和对比学习，在多个基准测试中优于强基线，展示了其有效性和鲁棒性。
这篇论文提出了ReMiT，一种基于强化学习指导的中期训练方法，用于迭代大型语言模型（LLM）的进化。ReMiT通过在训练中期动态重新加权标记，优先考虑推理中的关键标记，从而增强基础模型，并在多个基准测试中实现了平均3%的性能提升。
这篇论文提出了SEAD，一个用于多轮服务对话的自进化智能体框架。SEAD通过将用户建模分为Profile Controller和User Role-play Model两个组件，使智能体能够在没有大规模人工标注的情况下学习有效的策略。实验表明，SEAD在任务完成率和对话效率方面显著优于开源和闭源模型。
这篇论文提出了Table-as-Search（TaS）框架，将长周期信息搜索任务转化为表格补全任务，通过结构化表格管理搜索状态，实现了深度搜索、广度搜索和深度广度搜索的统一，并在多个基准测试中显著优于现有方法。
这篇论文提出了Group-Evolving Agents（GEA），一种新的开放式自我改进范式，通过将一组智能体视为基本进化单元，实现进化过程中的显式经验共享和重用。GEA克服了传统进化方法中探索多样性利用效率低下的问题，在编码基准测试中显著优于现有方法，并达到或超过了顶级人工设计的智能体框架的性能。
这篇论文提出了QuantLRM，一种通过微调信号进行大型推理模型量化的方法。该方法通过分析微调过程中的权重更新幅度，保护权重更新的两端，从而实现更有效的量化，并在多个推理基准测试中取得了显著的性能提升。
这篇论文提出了Canzona，一个统一的、异步的、负载均衡的分布式矩阵优化器框架，旨在解决大规模语言模型（LLM）在分布式框架中优化器更新与张量碎片化之间的冲突。Canzona通过逻辑优化器分配与物理参数分布的解耦，实现了高效的并行计算。
这篇论文提出了一种使用稀疏自编码器（SAEs）来理解和解释音频处理模型的方法。研究者训练了SAEs在Whisper和HuBERT的所有编码器层，评估了它们的稳定性、可解释性和实用性。实验结果表明，SAEs能够捕获音频的通用和特定信息，如环境噪音和副语言声音，并且能够有效地分离它们。此外，SAEs在减少Whisper的错误语音检测方面表现出色，同时保持了可接受的错误率（WER）。
这篇论文提出了一种名为Skjold-DiT的扩散变换器框架，用于预测建筑级别的气候风险指标，同时整合了异构时空城市数据，并考虑了与智能车辆相关的交通网络结构和可达性信号。该框架结合了基于提示的条件接口、跨模态注意力机制和反事实模拟器，以生成概率风险轨迹，并评估了预测质量、跨城市泛化、校准和下游交通相关结果。
这篇论文提出了Seg-ReSearch，一种结合了交错推理和外部搜索的分割方法，旨在解决现有分割系统在处理动态、开放世界查询时的知识瓶颈。通过引入分层奖励设计，Seg-ReSearch能够有效训练系统处理实时信息和特定领域概念，并在OK-VOS视频对象分割基准测试中显著提升了性能。
这篇论文研究了视觉Transformer在迁移学习中的表现，特别是关注了其输出的非平滑性对微调性能的影响。通过理论分析和实验，论文发现具有高塑性（即低平滑性）的注意力模块和前馈层能够带来更好的微调性能，这与传统认为平滑性是可取的观点相悖。
这篇论文提出了一种改进的强化学习算法F-GRPO，通过引入困难感知的优势缩放系数来降低对高成功提示的更新权重，从而避免策略学习常见轨迹而忽略罕见轨迹的问题，实验结果表明该方法在多个基准测试中提升了性能。
Hugging Face发布了CRAFT（Continuous Reasoning and Agentic Feedback Tuning），这是一种无需重新训练即可为文本到图像生成和图像编辑增加“思考”能力的框架。CRAFT通过将提示分解为明确的视觉检查、使用VLM验证输出并仅编辑不符合要求的部分来工作，从而显著提高了图像的组合准确性和文本渲染质量。
这篇公告分析了使用Anthropic的稀疏自编码器（SAE）激活转向技术在生成结构化输出（如JSON）时的局限性。实验表明，该技术无法确保大语言模型（LLM）生成有效JSON格式，甚至可能降低输出质量。作者转向了约束解码方法，通过在生成令牌时强制执行JSON语法，成功实现了100%的有效JSON输出。文章强调了激活转向适用于语义控制，而约束解码适用于结构化输出，并建议结合微调和约束解码来同时优化内容和格式。
NVIDIA发布了NVIDIA Agentic Smart Router，这是一款基于Dell Enterprise Hub的智能路由器，旨在解决企业AI应用部署中的多大型语言模型（LLM）利用和单一框架限制问题。该路由器通过NVIDIA NeMo Agent Toolkit (NAT) 和NVIDIA的LLM路由器实现多框架、面向代理的设计，提供智能模型选择、代理编排和检索增强生成（RAG）等功能，旨在提高准确性、性能和降低成本。
Photoroom宣布开源其文本到图像模型PRX，该模型现已在Hugging Face的Diffusers中提供。此次发布旨在开放整个训练过程，包括训练方法、经验教训等，旨在成为对文本到图像模型感兴趣的实用资源。Photoroom还计划分享一系列深入探讨模型设计实验、架构基准、加速技巧和后训练方法的文章。
SyGra V2.0.0是SyGra框架的重大更新，引入了以UI为先导的Studio、多模态生成管道、企业级集成、LLM节点中的工具支持、数据质量增强、扩展的提供商和模型集成以及元数据和可观察性功能，旨在简化合成数据生成和评估工作流程。
本文介绍了如何从头开始构建一个简单的检索增强生成（RAG）系统，该系统结合了信息检索和文本生成，以增强语言模型的表现。文章详细解释了RAG系统的关键组件，包括检索模型和语言模型，并提供了使用Python和ollama实现RAG系统的示例代码。
NVIDIA发布了一项名为Cosmos Policy的新研究，这是一项用于高级机器人控制和规划的技术，通过后训练世界基础模型Cosmos Predict-2来实现。该技术能够将机器人动作、物理状态和成功分数编码为额外的潜在帧，并使用与视频生成相同的扩散过程进行学习，从而提高了机器人操作的性能。此外，NVIDIA还宣布了Cosmos Cookoff，一个开放式黑客马拉松，旨在推动物理AI的发展。
ReasoningLens，一款用于可视化、理解和调试大型语言模型（LLM）推理过程的开发工具包，已正式发布。它通过将复杂的推理链转化为交互式、层次化的可视化地图，帮助开发者更清晰地追踪和调试模型的推理过程，同时提供自动化错误检测和模型画像功能，以提升LLM的调试效率和模型理解。
本文详细介绍了如何使用PyTorch和Hugging Face工具微调大型语言模型（LLM），以将英文翻译成尤达语（Yoda-speak）。通过量化模型、设置低秩适配器（LoRA）、格式化数据集以及使用Hugging Face的`trl`库中的`SFTTrainer`进行监督式微调，展示了整个过程。LoRA技术允许在量化模型上进行高效训练，显著减少了可训练参数的数量，使其仅占原始大小的1%或更少，从而能在资源有限的消费级GPU上进行训练。
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。
本文介绍了如何使用Hugging Face的FunctionGemma模型在TPU上进行微调，以创建一个虚拟健身教练。通过TPU优化策略，实现了10分钟内、花费约0.50美元的训练成本，显著提高了模型性能，并减少了幻觉。该项目展示了TPU在小型模型微调中的高效性和经济性。
Hugging Face 发布了两个新的 Llama Nemotron 模型，用于提高多模态搜索和视觉文档检索的准确性。这些模型能够处理文本和图像，并支持标准向量数据库，旨在为开发者提供高效、低延迟的视觉文档检索解决方案。
本文深入探讨了大型语言模型（LLMs）中的解码策略，包括贪婪搜索、束搜索、Top-k采样和核采样，旨在提高文本生成的多样性和质量。文章通过Python代码示例展示了这些策略的实现和效果，并讨论了它们在不同应用场景中的适用性。
这篇公告详细介绍了小型语言模型（SLM）的概念、制作方法、优势、局限性以及在实际应用中的使用。SLM是一种轻量级的语言模型，适用于资源受限的环境，如智能手机和嵌入式系统。它们保留了核心的自然语言处理能力，同时具有低计算需求、低能耗和快速推理等优势。公告还介绍了如何使用Ollama和PocketPal等工具在边缘设备上运行SLM，以及如何通过微调来提高模型性能。
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。
ILLUIN Technology 与 NVIDIA 合作发布了 ViDoRe V3 基准测试，旨在为多模态企业文档检索评估树立新的行业黄金标准。该基准通过使用真实世界数据集和丰富的人工注释，解决了生产型 RAG 系统在复杂文档中检索信息的关键挑战，并支持多语言查询。
Photoroom发布了其文本到图像基础模型PRX的架构实验结果，该模型采用混合Transformer架构，旨在提高文本到图像生成模型的效率、稳定性和对齐性。PRX在性能、吞吐量和内存效率之间取得了最佳平衡，并采用了T5Gemma作为文本编码器，以及FluxVAE和Deep-Compression Autoencoders (DC-AE)作为潜在空间自动编码器。Photoroom计划开源整个开发过程，并鼓励社区参与和贡献。
Hugging Face的官方博客发布了一篇关于小型语言模型最优架构的文章，介绍了通过实验发现的最优模型配置，包括深度、宽度、架构类型等，并推出了新的扩散模型Dhara-70M，该模型在保持较高准确性的同时，实现了更高的吞吐量和事实性。
Hugging Face 发布了 PromptRL，这是一种在统一的强化学习循环中协同训练语言模型和流匹配模型的框架，旨在解决基于流的图像生成中的质量-多样性困境和提示词语言黑客攻击问题。该框架在多个性能指标上显著优于现有方法，同时减少了训练步数，提高了训练效率。
SecureCode v2.1作为SecureCode v2.0的超集发布，旨在解决通用安全建议在特定框架代码中效果不佳的问题。它增加了219个框架特定示例，覆盖9个主流生产Web框架，并提供了详细的引用信息和高质量的教育结构，以帮助开发者编写更安全的代码。
OpenAI 宣布将定制的 ChatGPT 引入美国国防部安全企业人工智能平台 GenAI.mil，旨在为国防部门提供安全的人工智能支持，以提升运营效率。该平台由 300 万名军人和文职人员使用，ChatGPT 将用于非机密工作，如政策文件摘要、采购合同审查等，体现了 OpenAI 以安全、实用为导向的方法。
OpenAI 开始在美国测试在 ChatGPT 中投放广告，以支持免费用户使用更强大的功能。广告将清晰标记，保持答案独立，并强化隐私保护。此次测试旨在验证广告原则，包括任务一致性、答案独立性、对话隐私等，并确保用户对广告有控制权。
这篇论文提出了CID-GraphRAG，一种新型的对话系统框架，通过自适应双重检索机制，结合意图流模式和上下文语义，显著提高了多轮对话系统的检索质量和响应质量。
这篇论文提出了AIRS-Bench，一个包含20个任务的AI研究科学基准，旨在评估智能体在科学研究全生命周期中的能力。该基准涵盖了从语言建模、数学到生物信息学和时间序列预测等多个领域，通过不提供基线代码来评估智能体的创新能力、实验分析和迭代改进能力。
这篇论文提出了一种名为REBEL的机器学习方法，用于评估LLM的未学习数据是否仍然可以被恢复。通过进化式评估循环，REBEL能够检测到标准未学习基准中看似已被遗忘的知识，揭示了当前未学习方法的局限性。
这篇论文提出了Canzona，一个统一的、异步的、负载均衡的分布式矩阵优化器框架，旨在解决大规模语言模型中矩阵优化器的收敛效率问题。Canzona通过解耦逻辑优化器分配与物理参数分布，实现了数据并行和张量并行，显著提高了迭代速度和优化器步长延迟。
这篇论文提出了一种名为DREAM的多轮辩论式相关度评估框架，用于解决信息检索（IR）基准数据集中未标记的相关片段问题。该框架利用LLM代理进行多轮辩论，通过迭代相互批评来提高标注的准确性，并减少对人类标注者的依赖。实验结果表明，DREAM在仅3.5%的人类参与下，实现了95.2%的标注准确率。
这篇论文探讨了视觉语言模型（VLMs）在处理多模态信息时的隐藏不稳定性。作者提出了一种新的评估框架，通过测量内部嵌入漂移、光谱敏感性和结构平滑性来评估VLMs的鲁棒性，并发现大型模型在提高准确性的同时，其鲁棒性并未相应提高，且对不同的任务影响不同。
这篇论文提出了ScaleEnv，一个从零开始构建完全交互式环境和可验证任务的框架，用于训练能够适应多样场景的通用交互式工具使用智能体。ScaleEnv通过程序测试确保环境可靠性，通过工具依赖图扩展和可执行动作验证保证任务完整性和可解性。实验表明，ScaleEnv在未见过的多轮工具使用基准测试中表现出显著的性能提升，证明了其强大的泛化能力。
这篇论文提出了一种名为Confundo的框架，用于生成针对检索增强生成（RAG）系统的鲁棒毒化内容。该框架通过微调大型语言模型作为毒化生成器，以实现高有效性、鲁棒性和隐蔽性。Confundo能够操纵事实的正确性、诱导偏见意见和触发幻觉，显著优于现有的攻击方法。
