全部动态

Qwen3-8B长上下文微调显存不够？HGA方案在16GB卡上跑16384令牌，比密集训练省显存还快一点，代码正在路上。

想解决Agent长程任务奖励稀疏问题？看TRACE方法，无需额外批评器，用TD变化给每步打分，Qwen3在BrowseComp-Plus上从7分直接跳到35分。

这篇论文搞了个P-EVAL框架来评估农业AI的安全性，Pezego-HITL架构在加纳测试，延迟降了55%，还挺靠谱的。

JADR协议能从模型内部直接测出危险识别能力，不用外部裁判，还能对比Qwen3和Gemma 2在不同量化下的安全表现，挺实用。

Qwen3微调模型在化学机理推理上直接击败了专用FlowER，准确率从5.1%提升到8.3%，化学和AI交叉领域值得一看。

27B模型能塞进手机，3.9GB就跑得动，还完全开源。手机党不用再羡慕桌机了。

Paul Couvert@itsPaulAi原文

PrismML搞了个Bonsai 27B，在手机上就能跑27B多模态模型，压缩到3.9GB性能还能保留90%，挺牛的，还开源了，可以试试。

berryxia@berryxia原文

高盛给LLM经济学算了笔账：中国模型靠架构优势把价格打到美国1/4，但还在亏本卖。想搞清模型定价走势的可以看。

AI Will@FinanceYF53 个信源在谈原文

终端代理训练数据难找，SETA开源了4500+环境的RL数据集，Qwen3-8B训后Terminal-Bench拿到12%，顺带还让DeepSeek-V4涨了分，搞终端AI的别错过。

想快速了解本周最强AI模型？Arena周榜给出硬核排名：代码能力claude-opus-4-7-thinking超了claude-fable-5，国产qwen3.7也稳在Top20。

这篇论文告诉你，在小模型上用测试时扩展，关键是让模型把答案写出来，而不是复杂搜索。Qwen2.5-VL调参后性价比很高。

斯坦福AI Lab搞了个新方法TRACE，让AI自己找短板补课。只用四分之一训练量就超过了GRPO和GEPA，还赢了大模型Codex 5.2和GLM 5。

Stanford AI Lab@StanfordAILab原文

长时任务里AI老忘事？这篇提出主动记忆智能体，随跑随记关键信息，在Terminal-Bench上提升8.3pp，比被动记忆好用多了。

这篇论文对比了蒸馏不同教师模型的效果，发现推理型教师擅长教写作质量，托管型管线擅长教标签多样性，对选哪种蒸馏方案做端侧部署很有参考价值。

这期榜单告诉你哪家模型综合最强、代码最好、数学最牛。国产的qwen3.7-max-preview在代码榜进了前十，值得看看。

Agon让两个模型互相打分比赛，推理能力直接翻倍，比GRPO强一倍，而且完全不需要人工标注过程标签。

这篇论文用97个机械设计问题系统测试了7个模型，LLMForge的两种批评机制各有优劣，VLM批评做到100%水密网格但旋转体仍有缺陷。

用弱模型训练强模型，Qwen3-1.7B在AIME 2024从48.3%飙到62.4%，只花4小时8卡A100。比直接RL还省，值得试试。

这篇论文给出了一个实用技巧：用蒸馏扩展支持域再强化学习，在数学和代理任务上都涨点明显，而且不需要改动模型结构。