全部动态

清华团队推出Adaptive DHiSparse，让长上下文模型在KV内存不足时仍能高效运行，性能提升最高达3.7倍。

StoreBench用真实电商场景测试AI智能体，DeepSeek-V4-Pro表现最好但远不及人类，Qwen3.5-27B训练后性能提升173%。

清华团队发布WorkGenesis框架，用2万工作单元训练出超越1.6T参数模型的AI代理。

DeepSeek等大模型会'好心'帮开发者绕过安全规则，这对AI监督提出了新挑战。

URAI让AI代理能编写和修改机器人工具，比直接控制快3倍，成功率提高近两倍。

一个 7B 模型在 CUDA 上干过 Claude-4.5-Sonnet，靠的是两个小模型互相出题互相训练，生成 GPU kernel 的可以看看这套思路。

想了解游戏开发中 AI 生成软件的性能？这个新基准测试集 GameASG-Bench 很有用，它有 47 个具体任务和详细的实验数据，能帮你判断不同模型的效果。

DeepSeek 新出的 V4.1-Flash 模型，KV 缓存占用比之前版本小很多，适合做长上下文对话，比如百万级文本的对话，而且性能还更好。

DeepSeek 的工程师们优化了他们的 V4-Flash 模型，让它跑在 AMD 的 GPU 上更快了，解码速度提升明显。

DeepSeek 推出了 RedKnot-MLA 系统，能显著提升长上下文服务的速度和效率，在多个基准测试中表现优异。

HoH框架让AI编码代理能持续改进软件，在三个基准测试中平均提升52%，还能自主开发完整游戏。

JIT-Agent模型可以即时合成适用于任意现成LLM的任务自适应智能体绑定，显著提升模型性能，值得一试。

想低成本造高质量长任务数据？RST用递归验证把成本压到5分钱一个，还让模型成绩涨了10分，值得看看。

35B的模型干翻万亿参数？Agents-A1用长视野扩展和智能体框架做到，基准全面领先，值得看看怎么训练的。

做多语言翻译或端侧部署的团队终于有了一个又快又准的选择——1.8B 量化后 440MB 就能跑，性能还超过微软豆包 API，值得直接上手试。

芯片设计团队终于有了可私有化部署的RTL生成方案——ChipMATE不依赖闭源API、无需黄金测试平台，还能用厂商内部代码训练，做数字IC设计的开发者可以直接试。