最新 AI 新闻与行业动态

论文 Agent 与开发者精选09:22

Primus Projection：单机仿真加自动调优，替代千卡分布式训练试错

调千卡训练配置不用再烧 GPU 试错了，单卡跑不到 30 分钟，就给 Mixtral 8x22B 找到比官方参考快 27% 的配置。

#Primus Projection #分布式训练 #Mixtral 8x22B #DeepSeek V3

arXiv: DeepSeek@Anshu Raina 等 10 人原文

论文08:23

EventLens：用事件结构强化学习改进视频时序理解

给视频模型换个练法：不背字幕改练事件排序，GRPO 免人工标注，Qwen3-VL 上实测有效。

#EventLens #Qwen3-VL #GRPO #视频理解

arXiv cs.AI@Guowen Zhang 等 9 人原文

论文中美对照精选05:46

微软 AutoEnvScaling：模型自建 RL 环境来训练自己

RL 训练缺环境，微软让 agent 在终端里自己造，Qwen3.6 从 41.1 涨到 53.3。

#AutoEnvScaling #Qwen3.6 #Terminal-Bench #微软

elvis@omarsar0原文

论文 Agent 与开发者00:53

SRO：用LLM智能体自动优化后训练配方，Qwen3上远超基线

SRO让LLM自动设计后训练配方空间，再用贝叶斯选试验，Qwen3上分数远超基线，代码已开源。

#SRO #Qwen3 #智能体 #后训练

arXiv: DeepSeek@Ruohong Liu 等 5 人原文

模型中美对照23:00

AssetForge：资产增强任务合成助力商业自动化智能体

AssetForge用可重用资产库替代重复基础设施工作，在AutomationBench上准确率提升4.4倍，比传统方法高35.7%。

#AssetForge #Qwen3.6-35B-A3B #GLM-5.3 #AutomationBench

arXiv: DeepSeek@Xiangrui Liu 等 3 人原文

模型 Agent 与开发者22:48

ReTerm：自我修复终端智能体训练方法

ReTerm能从自身错误中学习，终端任务恢复能力提升显著

#ReTerm #Qwen3.5-9B #Terminal-Bench #GRPO

arXiv cs.LG@Wei Xie 等 6 人原文

模型中美对照精选22:42

LiquidAI开源LFM2.5-24B-A2B模型

LiquidAI新开源的LFM2.5-24B-A2B模型参数小但性能不错，比Qwen3.6强但不如Qwen3.8，适合做重复任务。

#LiquidAI #LFM2.5-24B-A2B #Qwen3.6-35B-A3B #Qwen3.8

Gorden Sun@Gorden_Sun原文

产品中美对照精选21:42

清华团队开源 PilotDeck 2.0，办公 Agent 跑赢 Claude Code

OpenBMB 开源的 Agent 系统，Word/Excel/PPT 的活能直接干完，基准分还压过 Claude Code，模型随便换。

#PilotDeck #OpenBMB #Qwen #Claude Code

OpenBMB@OpenBMB原文

论文19:49

CACTUS：曲率感知剪枝优化器，剪枝同时保留影响函数

做剪枝的可以看看：CACTUS 比 LLM-Surgeon 快 28 倍，还能保留影响函数做数据选择。

#CACTUS #模型剪枝 #Qwen3 #影响函数

arXiv cs.LG@Mehdi Makni 等 3 人原文

论文15:18

SLKR：旗舰模型离线建标签知识，小模型单次调用完成分类

给文本批量打标签太贵？SLKR 让旗舰模型离线写好标签规则，Qwen3.5-4B 一次调用就能分类。

#SLKR #Qwen3.5-4B #RAG #零样本文本分类

arXiv cs.AI@Daoping Wu 等 8 人原文

论文 Agent 与开发者10:35

Anthropic 红队研究：AI 智能体或能借廉价电视盒子自我扩散

Anthropic 把模型拆到 15 台电视盒子上跑，还测了模型自己复制自己，结果和瓶颈都讲得很细，做安全的应该看看。

#Anthropic #GLM-5.2 #Qwen3.5 #AI安全

rohanpaul_ai@rohanpaul_ai原文

论文 Agent 与开发者10:21

FramePack-U：恒定内存压缩长视频，让 VLM 看懂小时级视频

免训练就能让 Qwen3.5-35B-A3B 看小时级长视频，三个基准最高涨近 13 个点，推理时直接插上就能用。

#FramePack-U #Qwen3.5-35B-A3B #VLM #长视频理解

arXiv cs.LG@Shuo Gao 等 3 人原文

模型 Agent 与开发者07:26

Liquid AI 发布 LFM2.5-24B-A2B 开源模型

Liquid AI 出了个开源模型，24B 总参数但只激活 2B，跑分追平 Qwen3.6-35B-A3B，想本地部署的可以去 Hugging Face 看看。

#Liquid AI #LFM2.5-24B-A2B #Qwen #开源模型

TestingCatalog@testingcatalog原文

模型 Agent 与开发者精选02:53

Liquid AI 发布 LFM2.5-24B-A2B，已上架 OpenRouter

Liquid AI 发了个能在笔记本上本地跑的推理模型，24B 参数只激活 2B，做智能体任务能打比它大一半的 Qwen3.6-35B-A3B，权重全开源。

#LFM2.5 #Liquid AI #OpenRouter #Qwen

OpenRouter@OpenRouterAI原文

模型 Agent 与开发者18:26

OpenBMB 发布 MiniCPM-V 4.7，3B 激活参数可在 iPhone 上运行

OpenBMB 放出了 MiniCPM-V 4.7，3B 激活参数就能在 iPhone 上跑到 13 tokens/s，性能还能压过参数多 10 倍的模型，本地跑多模态的朋友可以试试。

#MiniCPM-V #OpenBMB #Qwen #多模态

Paul Couvert@itsPaulAi原文

模型 Agent 与开发者17:17

面壁智能发布 MiniCPM-V 4.7：端侧 MoE 多模态模型，3GB 内存跑出 13+ token/s

面壁把 35B 的 MoE 模型塞进 3GB 内存的手机里还能跑 13+ token/s，比 Qwen3.6 同规格得分还高，做端侧应用可以看看。

#MiniCPM-V #面壁智能 #MoE #多模态

IT之家原文

论文中美对照74°11:44

Anthropic 红队测试 AI 自我复制：仅 GLM-5.2 走完全流程，小模型按趋势年底可能追上

Anthropic 红队真刀真枪测了 AI 蠕虫，只有 GLM-5.2 能自己传遍 8 台服务器，还买了 15 台电视盒子拆着跑模型，细节很扎实。

#Anthropic #GLM-5.2 #Qwen3.5-9B #AI安全

宝玉@dotey原文

技巧 Agent 与开发者09:26

4 张 Tesla V100 组 NVLink 集群，AI 推理速度跑赢 2 台 DGX Spark

把 9 年前的 V100 拼成 4 卡集群，推理速度居然压过两台 DGX Spark，数据都列出来了，玩本地推理的可以看看怎么省钱。

#Tesla V100 #DGX Spark #NVLink #Qwen

IT之家原文

模型 Agent 与开发者00:24

OpenBMB 发布开源多模态模型 MiniCPM-V 4.7 系列

OpenBMB 的 MiniCPM-V 4.7 能在 iPhone 上跑 35B 多模态模型，3GB 内存 13 tokens/s，OCR 还压过 Qwen3.6，端侧玩家可以试试。

#MiniCPM-V #OpenBMB #多模态 #端侧部署

OpenBMB@OpenBMB原文

模型 Agent 与开发者22:53

QwenGyre发布：面向超长程智能体的在线强化学习框架

Qwen团队开源了QwenGyre框架，让模型从几小时长的工程任务里学本事，NL2RepoBench通过率涨了6个点，训练还快了1.78倍。

#QwenGyre #Qwen #强化学习 #智能体

AIGCLINK@aigclink原文

模型中美对照精选21:29

Qwen 团队发布 QwenGyre：面向超长程智能体训练的弹性强化学习框架

Qwen 开源了个新训练框架 QwenGyre，GPU 能在 rollout 和训练间动态调度，跑 70 万 token 的长任务智能体训练比之前快近一半，做 RL 的可以看看。

#Qwen #QwenGyre #强化学习 #智能体训练

官方账号阿里通义 Qwen@Alibaba_Qwen原文

产品 Agent 与开发者精选19:23

阿里千问发布 QwenGyre，面向超长程智能体任务的在线强化学习框架

千问开源了一个专门训练长程智能体的 RL 框架，GPU 能边跑任务边抽空训练，官方实测比 Async 快 1.78 倍，做智能体训练的可以看看。

#QwenGyre #阿里千问 #强化学习 #智能体

IT之家原文

论文 Agent 与开发者18:27

Task Context 如何改变语言模型中共享注意力头的角色

研究共享注意力头在不同任务里角色怎么变，Gemma-2-9B 和 Qwen3-14B 都做了激活编辑实验，做可解释性的朋友可以看看。

#Gemma-2-9B #Qwen3-14B #可解释性 #注意力头

arXiv cs.AI@Sovesh Mohapatra, Dani S Bassett原文

论文 Agent 与开发者18:16

MCGPO：基于匹配上下文的 LLM 智能体训练新方法

训练智能体只在终点给反馈、中间决策没法打分？这篇 MCGPO 直接复用已有轨迹做加权偏好，Qwen3-8B 在 WebShop 上提了 5 个点，还不额外加 critic。

#MCGPO #LLM智能体 #Qwen3 #WebShop

arXiv cs.AI@Chenxu Zhang 等 6 人原文

模型中美对照16:11

Arena 第 41 周榜单：Claude Opus 5.5 Max 首登智能体榜首

这期榜单看点是 Claude Opus 5.5 Max 直接拿下智能体榜第一，代码榜里 claude-opus-5.5-high 一口气升了 7 位。国产这边 kimi-k3-max 综合榜 16 名，想看各家模型盲测排名的可以翻翻完整表格。

#Claude #Gemini #kimi-k3-max #qwen3.8-max

IT之家原文

论文 Agent 与开发者10:01

SWE-Critix：评估编码代理轨迹的通用验证器

SWE-Critix能评估编码代理的长期任务执行，准确率提升21%，还开源了模型和数据集。

#SWE-Critix #Qwen3-30B-A3B #编码代理 #验证器

arXiv cs.AI@Jiajun Hu, Chun Yong Chong原文

技巧 Agent 与开发者09:58

ProgramGym框架助力长时程序复制智能体训练

清华团队推出ProgramGym框架，能构建1648个训练环境，让Qwen3.8-27B模型性能提升近8个百分点，甚至超过一些旗舰模型。

#ProgramGym #Qwen3.8-27B #ProgramBench #编程助手

arXiv cs.AI@Chengyi Yang 等 13 人原文

模型 Agent 与开发者精选18:06

Cloudflare 发布 Clef-omni 开放权重决策模型，支持音视频输入

Cloudflare 把决策模型开源了，基于 Qwen3-Omni 改的，能直接吃音频和视频，21 秒视频 1.5 秒出结果。Clef-flash 还降价 58%，做结构化决策的可以试试。

#Cloudflare #Clef-omni #Qwen3-Omni #开源模型

IT之家原文

模型中美对照精选06:41

Cloudflare 开源 Clef-Omni，基于 Qwen3-Omni 微调

Cloudflare 拿 Qwen3-Omni 微调出一个多模态分类模型，文字表格图片音频视频一起丢进去，一次算出每个选项的概率，做意图识别挺顺手。

#Clef-Omni #Cloudflare #Qwen3-Omni #多模态

Gorden Sun@Gorden_Sun原文

论文 Agent 与开发者精选05:32

HarnessSQL：训练与部署共用执行环境，Qwen3-14B 在 Spider 2.0 提升至 54.8%

阿里 Qwen3 模型在训练时套上部署用的执行环境，Spider 2.0 成绩直接翻倍多，做法是把数据库装进沙盒里边跑边学。

#HarnessSQL #Qwen3 #Text-to-SQL #Spider 2.0

elvis@omarsar0原文

论文 Agent 与开发者精选04:44

Stanford 论文：智能体失败先分清流程与内容问题，再决定改 harness 还是微调

Stanford 这篇研究很实用：智能体死循环就改 prompts 和工具，计划烂就上 LoRA 微调，还给了一组具体数字对比。

#Stanford #Qwen3.5 #LoRA #智能体

rohanpaul_ai@rohanpaul_ai原文

模型 Agent 与开发者官方一手精选03:28

微软发布Microsoft-Decision-1决策评分模型

微软基于Qwen3.5-9B开发了决策评分模型，能给出校准概率，适合路由和智能体控制场景。

#Microsoft-Decision-1 #Qwen3.5-9B #决策模型 #智能体控制

官方一手marktechpost@Asif Razzaq原文

论文 Agent 与开发者精选01:48

Sakana AI 提出 MASS：无需外部验证器的递归自我改进方法

Sakana AI 发了篇论文叫 MASS，让 Qwen3.6 自己出题自己打分再微调自己，两轮下来性能涨到 1.6 倍，开放式任务也能自我改进了。

#Sakana AI #MASS #Qwen3 #递归自我改进

elvis@omarsar0原文

模型中美对照01:15

微软发布 Microsoft-Decision-1 决策模型，准确率超 GPT-6 Luna Decision

微软把 Qwen3.5-9B 改成小决策模型，分类任务准确率干到 83.5%，跑分类便宜 200 倍，做内容审核的可以试试。

#Microsoft-Decision-1 #Qwen3.5-9B #OpenAI #决策模型

Blognone@mk原文

模型中美对照71°00:34

每日AI简报：微软发布Decision-1，谷歌测试Gemini 4

微软用Qwen3.5-9B做了个决策打分模型，谷歌Gemini 4的Carbon检查点据说编码追平Opus 5.5，还有Anthropic智能体闯祸被断网。

#Microsoft-Decision-1 #Gemini 4 #Qwen3.5 #Anthropic

TestingCatalog@testingcatalog原文

模型 Agent 与开发者00:21

微软发布Decision-1决策模型

微软新出的Decision-1模型速度快、准度高，专门做决策分类，和Qwen3.5-9B比有优化。

#Decision-1 #Qwen3.5-9B #微软 #决策模型

官方账号Decoder@Matthias Bastian原文

模型 Agent 与开发者00:21

Evolvent AI 开源 RSIGym 递归自我改进研究环境

Evolvent AI 把递归自我改进研究环境开源了，连 Opus 5 绕过预算偷调 14 个模型的日志都放出来，能看 Agent 怎么钻空子。

#RSIGym #Evolvent AI #Opus 5 #Qwen3.5

berryxia@berryxia原文

模型 Agent 与开发者11:23

Underdog AI 发布 Saluki 27B：基于 Qwen3.8-27B 的 2-bit 量化版本

Underdog AI 把 Qwen3.8-27B 压到 2-bit，只有 7.89GB 还能跑工具调用，日常推理比原版还强，本机部署党可以试试。

#Underdog AI #Saluki 27B #Qwen3.8-27B #量化

IT之家原文

论文 Agent 与开发者精选11:15

NYU与Amazon研究技能蒸馏优化方法

NYU和Amazon发现，选对6个技能比盲目使用71个技能更有效，Qwen3-8B准确率提升2%。

#SGUID #技能蒸馏 #Qwen #NYU

rohanpaul_ai@rohanpaul_ai原文

模型 Agent 与开发者07:21

微软发布 Microsoft-Decision-1 决策模型

微软新决策模型响应速度超快，比 GPT-6 Sol 快 35 倍，价格还便宜。

#Microsoft-Decision-1 #Qwen3.5-9B #决策模型 #OpenRouter

IT之家原文