最新 AI 新闻与行业动态

模型 Agent 与开发者多源确认07:05

微软发布 Microsoft-Decision-1：基于 Qwen3.5-9B 的单次前向传播决策模型

微软基于 Qwen3.5-9B 出了个决策小模型，专管 Agent 流程里的判断打分，比 GPT-6 Sol 快 35 倍，输出还免费。

#Microsoft-Decision-1 #Qwen3.5 #Agent #决策模型

事件专题

AIGCLINK@aigclink8 个信源在谈原文

模型中美对照多源确认06:56

Microsoft-Decision-1 上线 OpenRouter，主打快速决策

微软把决策类小模型做成了专项产品，比 GPT-6 Sol 快 35 倍还输出免费，做分类和判断任务的可以试试。

#Microsoft-Decision-1 #OpenRouter #Qwen3.5 #推理模型

事件专题

OpenRouter@OpenRouterAI8 个信源在谈原文

模型中美对照多源确认精选73°06:26

微软发布 Microsoft-Decision-1：基于 Qwen3.5-9B 的专用决策模型

微软发了个专做选择题的小模型，不聊天只判断，快还便宜，模型路由、意图识别这些活儿可以省下大模型的钱了。

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

事件专题

宝玉@dotey6 个信源在谈原文

模型 Agent 与开发者多源确认03:57

Microsoft 发布 Microsoft-Decision-1 快速决策模型，已在 Foundry 上线

微软用 Qwen3.5-9B 做了个专门快速打分决策的模型，比 GPT-6 Sol 快 35 倍，Foundry 上就能用。

#Microsoft-Decision-1 #Qwen3.5 #Microsoft Foundry #GPT-6 Sol

事件专题

TestingCatalog@testingcatalog11 个信源在谈原文

产品 Agent 与开发者多源确认00:31

PostTrainArena 开放竞赛：用你的 Agent 训练 Qwen3.8-27B 冲 SOTA

想让你的 Agent 真刀真枪比一场？BenchFlow 办了场比赛，用免费 GPU 训 Qwen3.8-27B，看谁的环境设计能把模型调到最强。

#Qwen3.8-27B #PostTrainArena #Nebius #强化学习

事件专题

Merve Noyan@mervenoyann3 个信源在谈原文

产品 Agent 与开发者精选14:12

阿里云 Apsara 大会展示 Qwen3.8-Max 等模型从对话走向执行

阿里云在 Apsara 大会上讲了 Qwen3.8-Max 和 Qwen-Audio-3.1-Realtime 怎么做任务规划和执行，做 Agent 的可以看看完整视频。

#Qwen3.8-Max #Qwen-Audio-3.1-Realtime #Alibaba Cloud #智能体

官方账号阿里云 Alibaba Cloud@alibaba_cloud原文

模型 Agent 与开发者多源确认13:03

JetBrains 发布编程模型 Mellum2.1：高负载推理吞吐量接近 Qwen3.5-9B 两倍

JetBrains 开源了新的编程模型 Mellum2.1，专门练了智能体写代码的能力，高负载下吞吐量几乎是 Qwen3.5-9B 两倍，还能本地部署保数据安全。

#Mellum #JetBrains #Qwen3.5 #开源模型

事件专题

IT之家8 个信源在谈原文

论文 Agent 与开发者10:49

WOVEN：视觉世界建模融入多模态大模型

WOVEN解决了多模态大模型在空间、物理和时间推理上的缺陷，训练数据可替代30-50%任务数据，效果显著。

#WOVEN #多模态大模型 #视觉转换推理 #GPT-5.4

arXiv cs.LG@Zheyu Fan 等 12 人原文

论文 Agent 与开发者多源确认10:21

评估LLM生成评分标准的干预转移方法

论文提出了一种创新的评分标准评估方法，揭示了不同LLM生成评分标准之间的不对称性，对AI性能监控有重要启示。

#评分标准 #干预转移 #LLM评估 #HealthBench

事件专题

arXiv: DeepSeek@Erik Skalnes 等 4 人5 个信源在谈原文

论文 Agent 与开发者10:20

GeoReform：几何问题求解的反思形式化进化框架

GeoReform让几何问题求解更准了，Qwen3VL-2B准确率提升14%，解决了形式化中的冗余和歧义问题。

#GeoReform #Geometry3K #Qwen3VL #多模态

arXiv cs.AI@Jialu Wang 等 5 人原文

技巧 Agent 与开发者精选73°10:06

HERMES harness提升代码迁移性能

HERMES harness让代码迁移效率提升5倍，每个组件有专属LLM，比基线平均高12.4分，还省26.2%成本。

#HERMES #GPT-5.6 #Qwen3-8B #代码迁移

elvis@omarsar0原文

论文 Agent 与开发者多源确认09:52

论文提出按失败构成判断该改 harness 还是训练权重

论文教你看 agent 失败原因来决定改运行时框架还是微调模型，Qwen3.5 上从 0.16 拉到 0.30，做 agent 的都该看看这套诊断方法。

#Qwen3.5 #LoRA #WebArena-Lite #智能体

事件专题

arXiv cs.LG@Yuan Tian 等 5 人8 个信源在谈原文

论文 Agent 与开发者09:44

Elastic Expert Routing：软化 MoE top-k 路由边界，提升 OLMoE 与 Qwen3 微调效果

一篇 MoE 训练论文：把固定 top-k 换成在 k 附近随机采样，Qwen3-30B-A3B 微调能多拿 2 分，推理成本不变。

#MoE #Elastic Expert Routing #OLMoE #Qwen3

arXiv cs.LG@Yunkai Chai 等 7 人原文

产品 Agent 与开发者多源确认14:18

Claude Opus 5 在 RSIGym 中将 Qwen 模型 SWE-bench Verified 成绩提升近三倍

有人做了个开源环境让 AI 智能体自己训练模型，Claude Opus 5 把 Qwen 的 SWE-bench 成绩刷到近三倍，还发现修 harness 比堆训练更管用。

#Claude Opus 5 #Qwen3.5 #SWE-bench #RSIGym

事件专题

rohanpaul_ai@rohanpaul_ai7 个信源在谈原文

论文 Agent 与开发者多源确认精选11:48

NVIDIA 研究：给多模态模型加工具会削弱拒绝有害请求的能力

NVIDIA 这篇论文发现 Claude、Gemini、Qwen 这些模型一旦接上工具，挡有害请求的能力就掉最多近七成，做智能体安全评测的得看看。

#NVIDIA #Claude #Qwen3.5 #AI安全

事件专题

elvis@omarsar011 个信源在谈原文

论文 Agent 与开发者11:30

SteerSpeech：用激活转向控制语音生成中的情绪

给 TTS 加了个情绪旋钮，不用重新训练模型，注入转向向量就能调情绪强度，Qwen3-TTS 上效果最高提升 7 倍。

#SteerSpeech #Qwen3-TTS #TTS #语音生成

arXiv cs.LG@Afsara Benazir 等 4 人原文

论文 Agent 与开发者多源确认11:09

RECAST：用 RouterLM 学习主动计算证据，不再依赖固定检索

这篇论文把 RAG 从'检索'升级成'主动算证据'，RouterLM 用 Qwen3.5-9B 就打赢了 Gemini 3.5 Flash，做 RAG 的可以看看思路。

#RECAST #RAG #GRPO #Qwen3.5

事件专题

arXiv cs.AI@Yilun Hao 等 7 人4 个信源在谈原文

论文 Agent 与开发者10:52

SOTA：用期权隐含收益分布引导的期权交易智能体

用 Qwen 微调出的期权交易智能体，把上千份合约简化成策略选择，六个月样本外赚 18.3%，新闻用法还挺反直觉。

#SOTA #Qwen #期权交易 #LLM智能体

arXiv cs.AI@Yizhen Xie, Mengyang Liu原文

论文 Agent 与开发者09:29

Caddie方法训练LLM智能体顾问

Caddie让智能体能实时决定何时寻求批评建议，基于结果训练的顾问能跨模型和任务领域迁移。

#Caddie #LLM Agents #Qwen3-4B #智能体

arXiv cs.AI@Sergei Polezhaev 等 4 人原文

产品 Agent 与开发者多源确认精选09:28

vLLM-Omni技术报告：统一多模态生成运行时

vLLM团队发布了统一多模态运行时vLLM-Omni，解决了不同模态模型各自为政的问题，让语音、视觉和机器人系统可以协同工作。

#vLLM-Omni #Qwen3-Omni #多模态 #运行时系统

事件专题

arXiv: OpenAI@vLLM-Omni Team11 个信源在谈原文

技巧 Agent 与开发者精选00:14

开源教程：用 vllm-omni 复现 Qwen3-TTS 流式语音合成

想本地跑 Qwen3-TTS 流式语音的朋友看这个，部署配置和踩坑都帮你填好了，配合 vllm-omni main 分支直接开跑。

#Qwen3-TTS #vllm-omni #语音合成 #推理模型

事件专题

官方账号vLLM@vllm_project2 个信源在谈原文

论文多源确认10:36

研究实测 JEV 与 LLM 在七项政治学复现任务中的准确率与成本

想用模型标注文本的研究者可以看看：JEV 号称便宜快，实测发现便宜不成立，校准也只赢了一半。

#JEV #GPT-6 Luna #Qwen3.8-27B #文本标注

事件专题

arXiv: OpenAI@Steven Denney, Matthew DiGiuseppe11 个信源在谈原文

模型 Agent 与开发者多源确认精选73°04:51

Overmind微调模型减少合同幻觉条款

Overmind用你的生产数据微调小模型，比GPT5.6 Luna少20倍合同幻觉，还能自己托管。

#Overmind #Qwen3.5 #GPT5.6 #法律AI

事件专题

rohanpaul_ai@rohanpaul_ai3 个信源在谈原文

论文 Agent 与开发者22:56

研究发现：基础模型加一句前缀即可提升推理成绩

有人发现给基础模型加一句"Okay"开头，Olmo-3-7B 在 MATH-500 就从 42% 涨到 78%，原理分析也很有意思。

#Olmo-3 #Qwen3 #MATH-500 #推理模型

Aran Komatsuzaki (论文推介)@arankomatsuzaki原文

模型 Agent 与开发者多源确认16:01

开源引擎 Strata 让 12GB 显卡跑 125B Qwen3.8-Flash-Next

12GB 显卡也能跑 125B 的 Qwen3.8-Flash-Next 了，Strata 开源，RTX 5070 上 94 词元/秒，配置门槛和 GitHub 链接都在文里。

#Strata #Qwen3.8-Flash-Next #Qwen #开源模型

事件专题

IT之家3 个信源在谈原文

论文 Agent 与开发者13:27

研究：特定起始 token 提示可让 base 模型接近 RL 训练后的推理表现

不用 RL 训练，只在开头加个 "Okay" 就能让 Olmo-3-7B 数学成绩翻近一倍，这篇论文把原因挖得很透，做模型训练的值得看看。

#Olmo-3-7B #Qwen3-14B #MATH-500 #推理模型

arXiv cs.AI@Sophie L. Wang 等 6 人原文

论文 Agent 与开发者13:20

ARBOR：按问题分配秩的医学问答微调方法

给医学问答做了个按问题动态分配 LoRA 秩的微调方法，在 Qwen3-8B 上比 LoRA r16 高了 1 个多百分点，专科越多优势越大，做医疗方向微调的可以看看。

#ARBOR #Qwen3-8B #LoRA #医学问答

arXiv cs.AI@Guangyuan Dong 等 9 人原文

论文 Agent 与开发者多源确认13:11

JEV 与 GPT-6 Luna、Qwen3.8-27B 在政治学文本标注任务上的对比

有人测了 TypeSafe 那个号称便宜快的 JEV，结果在 OpenAI 批量价格下根本不省钱，校准也没明显赢 Qwen3.8-27B，想做文本标注的可以看看。

#JEV #GPT-6 Luna #Qwen3.8-27B #文本标注

事件专题

arXiv: OpenAI@Matthew DiGiuseppe, Steven Denney11 个信源在谈原文

论文 Agent 与开发者10:37

Infinite-Dreamer：用图像编辑世界模型合成 GUI 智能体训练数据

GUI 智能体缺训练数据的老问题，这篇用图像编辑模型自己造数据，Qwen3-VL 微调后 AndroidWorld 成绩还涨了不少，代码开源可以直接试。

#GUI智能体 #Qwen3-VL #Infinite-Dreamer #数据合成

arXiv cs.AI@Yongxin Ning 等 7 人原文

论文 Agent 与开发者09:46

研究用 Bengali 数据集测高校立场极化，Llama 4 Maverick 零样本 F1 达 0.931

孟加拉语这种低资源语言上，Llama 4 Maverick 不微调就拿下 0.931 的 F1，比 BanglaBERT+XGBoost 还高，做低资源语言分类的可以看看。

#Llama 4 Maverick #BanglaBERT #DeepSeek-V3.1 #低资源语言

arXiv: DeepSeek@Safaruzzaman Shovo 等 5 人原文

产品 Agent 与开发者多源确认07:02

Atomic Chat 接入 NVIDIA TensorRT，本地推理比 llama.cpp 快 206%

Atomic Chat 把 NVIDIA TensorRT 接进自家引擎，RTX 5090 上跑 Qwen 系列模型比 llama.cpp 快一倍多，本地部署党可以看看实测数据。

#TensorRT #llama.cpp #Qwen #RTX 5090

事件专题

@atomic_chat_hq@atomic_chat_hq11 个信源在谈原文

论文 Agent 与开发者多源确认精选06:46

上海AI实验室提出SkillGym：用技能运行轨迹微调提升智能体能力

上海AI实验室的SkillGym把技能文件变成沙箱任务再微调，Qwen3.5-35B-A3B在Terminal-Bench 2.1涨了19个点，连不带技能文件都更强了。

#SkillGym #Qwen3.5 #Claude Code #智能体

事件专题

rohanpaul_ai@rohanpaul_ai3 个信源在谈原文

论文中美对照多源确认精选01:04

Qwen3.8 27B 开启推理后在 DGX Spark 上算对 169 位数加法实验

有人在 DGX Spark 上重跑了 GPT-4o 的文字加法实验，Qwen3.8 27B 开推理后 169 次只错 2 次，还能看到逐位进位的思考过程。

#Qwen3.8 #GPT-4o #DGX Spark #推理模型

事件专题

官方账号Simon Willison’s Weblog3 个信源在谈原文

模型 Agent 与开发者多源确认精选23:27

Hugging Face 把 Claude Code、Codex 等编程 harness 变成 RL 训练环境

Hugging Face 把 Claude Code、Codex 这些真实编程工具直接当 RL 训练环境用，不用改一行代码，LFM2.5-2.6B 训练后 OpenCode 成绩从 34% 涨到 58%，全套开源可复现。

#Claude Code #Codex #Hugging Face #vLLM

事件专题

官方账号Clement Delangue@ClementDelangue11 个信源在谈原文

产品 Agent 与开发者多源确认22:51

Figure 将推出主动式 AI 助手 Hark，支持多模型调度与订阅计划

Figure 要发自己的 AI 助手 Hark 了，通用任务跑 Opus 5.5，还按 Pro 到 Pro⁴ 分四档收费，直接对标 Muse。

#Figure #Hark #Opus 5.5 #Qwen3.6-27B

事件专题

TestingCatalog@testingcatalog11 个信源在谈原文

产品 Agent 与开发者精选21:33

fractalyze_io 优化 Qwen3-Omni，单卡 RTX 5090 首音频延迟降至 23ms

有人在单张 RTX 5090 上跑 Qwen3-Omni，用 AWQ-4bit 把首音频延迟从 213ms 压到 23ms，本地语音对话流畅度差了近十倍。

#Qwen3-Omni #vLLM #RTX 5090 #AWQ量化

事件专题

官方账号vLLM@vllm_project2 个信源在谈原文

产品 Agent 与开发者71°21:32

Strata 让 Qwen3.8-Flash-Next 125B 在消费级显卡上本地运行

一个开源项目把阿里 Qwen 的 125B 模型量化后塞进了 12GB 显存的消费级显卡，每秒还能跑几十个 token，本地部署玩家可以看看它怎么分配显存和内存。

#Qwen #Strata #本地推理 #开源模型

SuperTechFans原文

模型 Agent 与开发者多源确认21:31

TypeSafe AI 决策模型 Jev 日处理量达 1 万亿 token，OpenAI 等跟进

不生成文本、只做分类决策的 Jev 三周就跑到日处理 1 万亿 token，OpenAI 和 Cloudflare 都出了同路线产品，挺值得了解的新方向。

#Jev #TypeSafe AI #OpenAI #Decisions API

事件专题

IT之家11 个信源在谈原文

论文 Agent 与开发者19:23

NeutronGym：面向 LLM 智能体的中子仪器设计评测环境

用中子仪器设计测智能体会不会物理，7个模型最多做对7/16题，RL把Qwen3-8B从11%练到77%，比32B还强。

#NeutronGym #Qwen3 #McStas #智能体

arXiv cs.AI@Lijie Ding, Changwoo Do原文

模型 Agent 与开发者19:13

iS-KV：基于块增量 SVD 的在线 KV 缓存压缩方法

长链推理时 KV 缓存会爆炸，这篇提出用增量 SVD 压到 4-5 倍还能保住准确率，比删 token 的老办法稳，做推理部署的可以看看。

#KV缓存 #SVD #DeepSeek-R1-Distill-Llama-8B #Qwen3-8B

arXiv: DeepSeek@Yiren Zhao 等 6 人原文