全部动态

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。

FYAN 通过语义审计提高数学形式化准确性，在 FormalTCS 和 ConsistencyCheck 基准上表现优异。

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。

清华团队提出新蒸馏方法，让小模型通过关注视觉证据超越大模型，代码已开源。

SelfSearch让智能体用历史经验自我改进，省钱又高效，Terminal-Bench上提升11.2%，SWE-bench降成本38.5%。

SelfSearch让智能体通过自我修改记录提升能力，无需下游奖励信号，成本更低效果更好。

DeepSeek开源了适配华为昇腾平台的TileLang工具链，比CUDA更简单高效，已用于V4模型训练。

CTE-Bench 评估模型能否预测干预如何改变状态化服务的未来行为，揭示了当前模型在缺乏正确反馈时的局限性。

SED框架让LLM智能体无需重训练就能持续防御新型攻击，在DeepSeek、GLM和Kimi模型上都表现出色。

ElevenLabs把v4 Turbo和转录轮流模型整合到ElevenAgents，让AI助手反应更快、中断更自然，还能持续升级。

官方账号ElevenLabs@elevenlabsio原文

自动驾驶领域新框架，用符号处理+LLM组合提升问答准确率，计数问题效果尤其明显。

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。