精选 76 篇，从 500+ 条中筛选
Synkra AIOS是一个面向全栈开发的AI编排系统框架，旨在通过智能代理和敏捷开发方法，解决传统软件开发中的不一致性和缺乏上下文的问题。它提供了一套完整的工具和代理，支持从需求分析到代码实现的整个开发流程。该框架的核心功能包括智能代理协作、敏捷开发流程和自动化的代码生成。技术栈上，它依赖于Node.js和npm，并集成了多种AI技术。在LLM生态中，Synkra AIOS的价值在于其独特的开发范式和高效的协作机制。
AI Engineering Hub是一个面向AI工程实践的综合性资源库，旨在帮助开发者学习、构建和优化LLM、RAG和AI代理应用。它提供了丰富的项目案例、深入教程和实时更新，填补了AI工程实践中的知识空白，为研究者、开发者和企业提供了宝贵的资源和工具。
该项目定位为LLM API资源聚合平台，旨在为开发者提供免费或试用期的LLM API资源。核心功能是列出多种免费和试用期的LLM服务，解决开发者获取和测试LLM资源的难题。技术栈以Python为主，集成了多种LLM模型和API服务。在LLM生态中，该项目通过提供便捷的资源获取途径，降低了开发者使用LLM的门槛，促进了LLM技术的普及和应用。
Hands-OnLLM/Hands-On-Large-Language-Models项目是一个专注于大型语言模型（LLM）的实践指南，旨在帮助开发者理解和使用LLM。该项目提供了一系列的Jupyter Notebook，包含从基础到高级的LLM实践案例，包括文本分类、聚类、提示工程等。项目定位为教育性工具，通过丰富的案例和代码，帮助开发者快速掌握LLM技术。其技术栈以Jupyter Notebook为主，集成了多种LLM相关技术和框架，如Transformer模型、PyTorch等。在LLM生态中，该项目通过提供实践案例和代码，降低了LLM的学习门槛，促进了LLM技术的普及和应用。
Superhuman项目由DeepMind的Superhuman Reasoning团队领导，专注于LLM在数学推理领域的应用。该项目提供了一系列项目和数据集，包括AlphaGeometry、AlphaGeometry2和IMO Bench等，旨在评估和提升AI的数学推理能力。它是一个工具和库的结合，为研究者提供强大的数学推理评估工具，并通过Gemini Deep Think等模型实现数学问题的生成、验证和修订。在LLM生态中，Superhuman项目通过其独特的数学推理能力，填补了AI在数学领域应用的关键空白。
Personal AI Infrastructure项目旨在为用户提供个性化的AI平台，通过AI增强自我发现，帮助用户实现个人目标。该项目通过提供持续学习、目标导向和用户中心的设计原则，解决了现有AI工具缺乏个性化和目标导向的问题。其技术栈包括TypeScript、Bun等，架构亮点在于其模块化的设计，允许用户根据需求定制和扩展功能。
slime是一个针对LLM的RL后训练框架，旨在解决大规模RL训练中的性能和灵活性问题。它通过高效连接Megatron和SGLang，提供高性能训练和灵活的数据生成能力。slime面向研究者、应用开发者，是一个框架，其核心功能是优化LLM的RL训练过程，特别适用于需要高性能和灵活数据生成的工作流。
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。
Ming-flash-omni 2.0 是一款通用大模型，采用 LLM 架构，具有 100B 总参数和 6B 活跃参数。其核心技术为 MoE 框架，具备多模态认知能力，尤其在视觉知识、语音合成和图像生成方面表现优异。该模型在多个基准测试中取得了 SOTA 成绩，适用于多模态理解和合成任务。开源协议为 MIT，硬件需求较高，推理效率良好。
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-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。
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。
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。
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-SALA是一款大型混合模型，定位为通用大模型，具有创新性的混合架构，结合了稀疏和线性注意力机制，实现了百万级别上下文建模。其核心技术为稀疏注意力与线性注意力混合架构，上下文长度可达百万以上，参数量适中。在性能上，MiniCPM-SALA在基准测试中表现出色，具有高效的推理速度和较低的内存占用。主要应用场景包括文本生成、对话系统等，适合对上下文长度有较高要求的任务。其开源协议为Apache-2.0，硬件需求适中，与主流推理框架兼容。
VulnLLM-R-7B是一款专注于软件漏洞检测的推理型大型语言模型。该模型具有7B参数，采用Qwen/Qwen2.5-7B-Instruct作为基座模型，通过推理能力分析代码中的漏洞。它在多个基准测试中表现出色，优于商业模型和行业标准工具。VulnLLM-R-7B适用于代码安全审计和漏洞检测，具有高效、准确和覆盖面广的特点。
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。
🔥 unsloth/GLM-5-GGUF是一款通用大模型，具有744亿参数，支持中英双语。其基于Transformer架构，采用MoE和DSA技术，上下文长度可达200K。在MMLU、GPQA等基准测试中表现优异。适用于复杂系统工程和长周期智能任务，具有开源协议、高效推理等实用特性。
MOVA-360p是一款多模态模型，定位为通用大模型，具有强大的视频和音频生成能力。其核心技术包括不对称双塔架构和双向交叉注意力机制，采用MoE设计，参数量达到32B。在性能上，MOVA在唇同步和音效方面表现优异，并在开源模型中处于领先地位。该模型适用于需要高质量视频和音频同步生成的场景，具有开源协议、高效的推理性能和良好的兼容性。
MOSS-TTS是一款专注于语音和声音生成的开源模型，定位为特定领域的大模型。其核心技术包括高保真零样本语音克隆和可控长文本合成。模型在性能上表现出色，支持多种语言，适用于长文本语音合成、多角色对话、声音/角色设计等复杂场景。性能评估方面，模型在权威基准测试中表现良好，具有开源协议，对硬件要求适中，推理效率较高。
Ring-2.5-1T是一款开源的通用大模型，具有混合线性注意力架构，参数量达到万亿级别。该模型在生成效率、深度思考和长期任务执行能力方面表现出色，尤其在数学和代码生成任务上具有显著优势。其在MMLU、GPQA等基准测试中取得了优异成绩，适用于需要深度推理和复杂任务执行的场景。
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。
这篇论文重新审视了单减树级n胶子散射振幅，发现它们在某些“半共线”配置下不为零，并推导出一个分段常数封闭形式的表达式，描述单个减自旋胶子衰变为n-1个加自旋胶子的过程，满足多个一致性条件，包括Weinberg的软定理。
这篇论文提出了Stemphonic，一个基于扩散/流的框架，用于多声部音乐生成。它能够一次性生成多个同步的声部，克服了现有方法中固定架构或逐个生成声部的限制，显著提高了生成效率和音质。
这篇论文提出了一种名为SparseVideoNav的新方法，通过生成稀疏视频来推进超越视界的视觉语言导航。该方法利用视频生成模型的长时监督能力，实现了在未知环境中仅通过简单意图导航到远处目标，显著提高了导航任务的效率和成功率。
这篇论文提出了EgoHumanoid框架，通过结合大量的人类自视角演示和有限的机器人数据，实现了人形机器人在真实世界环境中进行移动操作。该框架通过硬件设计到数据处理的全系统对齐管道，解决了人类与机器人之间的具身差距，并通过实验证明，使用无机器人自视角数据显著优于仅使用机器人数据的基线，特别是在未见过的环境中。
这篇论文提出了一种针对电子商务领域的大规模视觉-语言模型（VLM）的定制化适应方法，通过大规模实验证明，这种方法可以在保持通用多模态能力的同时，显著提升电子商务性能，并引入了一个新的评估套件，涵盖深度产品理解、严格指令遵循和动态属性提取。
这篇论文提出了一种名为 χ_{0} 的资源感知鲁棒操作框架，旨在通过解决人类演示分布、策略学习归纳偏差和测试时执行分布之间的分布不一致性，来提高机器人操作的鲁棒性。该框架通过模型算术、阶段优势和训练部署对齐三个技术支柱，实现了高效的数据利用和长期任务的高可靠性。
这篇论文提出了ExStrucTiny，一个用于从文档图像中进行结构化信息提取的新基准数据集。该数据集旨在解决现有数据集在实体类型、查询复杂性和文档类型上的局限性，通过结合人工和合成样本，提供多样化的文档类型和提取场景，以评估和改进通用视觉语言模型在结构化信息提取方面的能力。
该论文提出了一种名为Composition-RL的方法，通过将多个问题组合成新的可验证问题，以利用有限的验证性提示，从而提高大型语言模型在强化学习中的推理能力。该方法通过逐步增加组合深度，进一步提升了性能，并支持跨领域强化学习。
这篇论文提出了一种名为RISE的机器人强化学习框架，通过组合世界模型和想象中的模拟来提高机器人在动态任务中的鲁棒性。该框架使用可控动力学模型预测多视角的未来，并使用进度价值模型评估想象中的结果，从而在不需要昂贵物理交互的情况下，通过想象中的模拟不断生成、估计优势并更新策略。
这篇论文提出了一种名为“Thinking with Drafting”的方法，通过逻辑重构实现视觉输入的光学解压缩，旨在解决现有多模态大型语言模型在复杂推理任务中的精度悖论。该方法使用一种最小化的领域特定语言（DSL）作为中间表示，迫使模型将心理模型转化为可执行代码，从而提供确定性的视觉证明进行自我验证。
这篇论文提出了MetaphorStar，一个基于端到端视觉强化学习的图像隐喻理解和推理框架。该框架通过精细粒度的数据集、视觉强化学习方法以及结构化的基准测试，显著提升了图像隐喻任务的表现，特别是在复杂视觉推理能力上。
这篇论文提出了一种名为Min-kNN Distance的新方法，用于检测强化学习与可验证奖励（RLVR）训练数据。该方法通过分析训练过程中遇到的提示词，发现RLVR训练导致生成的文本更加严格和相似，而未见过的提示词则保持更多样性。实验表明，Min-kNN Distance能够可靠地区分已见和未见示例，并优于现有的成员推理和强化学习污染检测基线。
这篇论文提出了P-GenRM，一个个性化的生成式奖励模型，通过测试时基于用户的缩放机制，解决了在开放场景中获取准确用户特定奖励信号的问题。P-GenRM通过将偏好信号转换为结构化的评估链，实现自适应的角色和评分标准，同时通过用户原型聚类和双重粒度缩放机制，提高了对未见用户的泛化能力。
这篇论文提出了DeepSight，一个综合性的大型语言模型（LLM）安全工具包，旨在解决当前LLMs和MLLMs在安全评估、诊断和对齐方面的不足。DeepSight通过整合评估和诊断工具，实现了从黑盒到白盒的安全洞察，并支持前沿的AI风险评估。
这篇论文提出了一种名为Length-Incentivized Exploration的方法，通过长度激励和冗余惩罚来鼓励模型进行更深入的上下文探索，从而提高模型在测试时的扩展能力。该方法通过解决自动回归生成中序列采样概率的指数衰减问题，实现了更广泛的状态覆盖，并在不同模型上取得了显著的性能提升。
DeepGen 1.0 是一种轻量级的统一多模态模型，通过引入堆叠通道桥接（SCB）框架和基于奖励函数的强化学习，实现了高效的图像生成和编辑，同时保持了低训练成本和部署足迹。
这篇论文提出了NarraScore，一个基于情感控制的分层框架，用于将视觉叙事和音乐动态相结合。该框架利用预训练的视觉语言模型（VLM）作为情感传感器，将视觉信息转化为情感轨迹，并通过双分支注入策略实现全局结构和局部动态的协调，从而为长视频生成连贯的配乐。
这篇论文提出了一种名为T3D的少步骤扩散语言模型，通过轨迹自蒸馏和直接判别优化来提高少步骤解码的效率。该方法通过蒸馏模型自身的生成轨迹，结合直接判别优化，在有限的步骤预算下，显著提升了文本生成的质量。
这篇论文提出了PISCO，一种用于精确视频实例插入的视频扩散模型，通过稀疏的关键帧控制实现精确的时空定位、物理一致的场景交互和原始动态的忠实保存。PISCO通过变量信息指导和分布保持时间掩码等技术，解决了预训练视频扩散模型中稀疏条件引起的分布偏移问题，并通过PISCO-Bench基准测试展示了其在稀疏控制下的优越性能。
这篇论文提出了一个名为“Stroke of Surprise”的生成框架，通过序列化的笔触添加，使单个矢量草图在绘制过程中发生语义上的显著变化。该框架通过双重约束和序列感知联合优化框架，解决了在矢量草图绘制中同时保持初始草图和后续草图的结构和语义一致性的问题。
MiniMax AI 发布了Forge，一个可扩展的Agent强化学习框架和算法，旨在解决大规模Agent RL在系统吞吐量、训练稳定性和Agent灵活性之间的冲突。Forge通过灵活的系统架构、算法设计、优化的异步调度和极致的训练-推理效率，实现了对复杂现实世界Agent的大规模强化学习训练，并在MiniMax M2.5模型中取得了显著成果。
暂无摘要
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。
Hugging Face宣布了DTS（Decoding Tree Sketching）算法，这是一种创新的并行推理算法，旨在提高大型语言模型（LLM）的推理效率和准确性。DTS通过在推理过程中检测决策点，并仅在存在多个语义上不同的延续时进行分支，从而避免了传统方法的计算浪费。它不需要额外的训练，可以与任何可以解码令牌的模型集成，显著提高了LLM的推理性能。
这篇公告介绍了在 Hugging Face Transformers 中使用多个 GPU 的两种方法：device_map 和 Tensor Parallelism。device_map 是一种内存基础模型分片技术，适用于大型模型推理，而 Tensor Parallelism 是一种真正的多 GPU 计算方法，适用于需要更快推理速度的大型模型。公告还提供了如何设置和使用这些方法的详细指南。
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。
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。
LightOn AI 发布了 LightOnOCR-2-1B，这是一个10亿参数的第二代端到端视觉-语言 OCR 模型，旨在将文档页面转换为高质量文本，同时提供轻量级布局信息。该模型在性能和速度上均优于同类产品，并支持Hugging Face Transformers生态系统，便于社区使用。
该公告介绍了如何使用强化学习训练 Qwen3 VL 模型进行边界框标注，通过合成数据生成和优化奖励函数，显著提升了模型在建筑立面图中识别窗户的性能。
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。
SGLang，一款专为大型语言模型（LLM）工作流设计的全栈编程和执行框架，通过提供智能内存管理、输出格式保证、智能调度和PyTorch原生优化等功能，显著提升了LLM应用的性能和可扩展性。该框架已应用于xAI (Grok) 和 DeepSeek等公司，并成为PyTorch生态系统的一部分。
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。
Hugging Face 发布了 EuroLLM-22B，这是一个完全开源的欧洲语言模型，旨在支持所有 24 种欧盟官方语言和 11 种国际重要语言。该模型利用 EuroHPC 基础设施和 MareNostrum5 超级计算机上的 400 个 Nvidia H100 GPU 进行训练，表现出色，尤其在翻译任务上与顶尖模型竞争并超越，是目前欧洲制造的最佳完全开源 LLM。
本文介绍了如何使用Voyage-4-nano、Hugging Face和MongoDB Atlas Vector Search构建一个基于情绪的电影推荐引擎。该系统通过AI嵌入技术匹配用户的情绪状态与电影情节描述，提供个性化的电影推荐。
Hugging Face 发布了 Rank-Stabilized LoRA (rsLoRA)，这是一种参数高效的微调方法，旨在解决传统 LoRA 在低秩适配器下性能饱和的问题。rsLoRA 通过将 LoRA 适配器除以其秩的平方根来稳定学习过程，允许在更高秩下进行有效学习，从而在不显著增加计算成本的情况下提高微调性能。
这篇公告介绍了Transformer模型，这是一种基于注意力机制的新型神经网络架构，它在序列转导任务中表现出卓越的性能，包括机器翻译、文本生成等。该模型摒弃了传统的循环神经网络和卷积神经网络，具有更高的并行性和更快的训练速度，彻底改变了自然语言处理领域。
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。
Model2Vec 是一种从任何 Sentence Transformer 模型中提炼出一个小型、快速、高性能静态模型的技术，旨在解决大型语言模型资源消耗高、处理时间长的问题。该方法通过将词汇表输入到 Sentence Transformer 模型，然后使用主成分分析 (PCA) 降低生成嵌入的维度，并利用 Zipf 定律进行加权。Model2Vec 模型是完全非上下文的，在推理时，它只简单地取句子中所有 token 嵌入的平均值。尽管如此，它在保持强大性能的同时，实现了硬件和环境友好，速度比传统方法快500倍，模型大小减少15倍。
OpenAI 发布了名为“超越速率限制：扩展对 Codex 和 Sora 的访问”的新系统，旨在解决用户在使用 Codex 和 Sora 时遇到的速率限制问题。该系统通过结合使用量计数和积分购买功能，实现实时访问引擎，允许用户在超出速率限制时通过消耗积分继续使用产品，从而提供更流畅的用户体验。
OpenAI 推出 ChatGPT 的“锁定模式”和“高风险”标签，旨在增强其安全性，防御提示注入和AI驱动数据泄露。这些新功能包括严格限制与外部系统的交互和标识可能引入额外风险的特定功能，旨在帮助组织保护易受攻击的员工，并让用户对风险有更清晰的认识。
OpenAI 发布了一篇预印本，介绍 GPT-5.2 在理论物理学领域的新发现。GPT-5.2 提出了一个关于胶子散射振幅的新公式，该公式挑战了传统观点，并在特定条件下得到验证。这一成果展示了人工智能在科学研究中的潜力。
这篇论文提出了CausalAgent，一个基于对话的多智能体系统，用于端到端的因果推理。该系统结合了多智能体系统（MAS）、检索增强生成（RAG）和模型上下文协议（MCP），通过自然语言交互实现从数据清洗到因果结构学习、偏差校正和报告生成的自动化，降低了因果分析的门槛。
这篇论文提出了LawThinker，一个用于动态司法环境的自主法律研究代理，它通过Explore-Verify-Memorize策略来确保推理过程的正确性和合规性。LawThinker使用DeepVerifier模块来验证知识检索结果的准确性、事实与法律的关联性以及程序合规性，并通过记忆模块实现跨轮次的知识重用。实验表明，LawThinker在动态基准测试中比直接推理方法提高了24%，比基于工作流程的方法提高了11%，并在过程导向的指标上表现出特别强的改进。
这篇论文介绍了ABot-N0，一个统一的视觉-语言-动作（VLA）基础模型，它通过结合基于LLM的认知大脑和基于Flow Matching的动作专家，实现了在多种导航任务上的高性能。该模型利用了大量的3D场景数据，并在多个基准测试中取得了SOTA性能。
这篇论文探讨了大型语言模型（LLMs）是否具备心智理论（ToM）。通过开发一个新的评估框架，论文发现LLMs在简单的心智理论范式中的表现与人类判断相似，但在逻辑等价的任务中表现不佳，且在行为预测和对应的心理状态推断之间的一致性低，表明LLMs的社会能力并非源于通用或一致的心智理论。
这篇论文提出了CSEval框架，用于评估文本到图像生成中的临床语义。该框架利用语言模型来评估生成图像与条件提示之间的临床语义一致性，解决了现有方法在评估图像临床可靠性方面的不足。
这篇论文介绍了Althea，一个用于事实核查和批判性推理的人机协作系统。Althea通过整合问题生成、证据检索和结构化推理来支持用户对在线声明的评估。它通过实验证明，在特定交互模式下，系统能够提高准确性并增强用户信心。
这篇论文通过实证研究分析了AI编码代理在开源Android和iOS开发中的应用情况，研究了AI代理生成的代码在开源移动应用项目中的接受情况，并比较了不同平台、代理和任务类别之间的差异。
这篇论文提出了HybridRAG，一个基于预生成的问答知识库的混合检索增强生成框架，用于提高聊天机器人的响应准确性和速度。该框架通过OCR和布局分析处理原始非结构化文档，并使用LLM生成问答知识库，从而在查询时提供即时答案，并在没有匹配时进行实时生成。
这篇论文对四种新兴的AI代理通信协议（MCP、A2A、Agora和ANP）进行了系统性的安全分析，提出了一个结构化的威胁建模分析框架，并引入了一个定性的风险评估框架，以识别和评估这些协议在不同阶段的风险。
