MoE优化突破，AI效率与安全并进

Poor Lab用5090显卡训练出接近Qwen2-1.5B的模型，成本不到7千，开源食谱让普通人也能训练大模型。

WikiSkill让AI智能体把经验变成可复用的知识库，小模型靠技能能打败大模型，技能还能跨模型使用。

CLAP让不同机器人共享物理知识，无需重新训练就能在新任务上零样本部署，比单模型更通用。

Johann Rehberg发现Claude Code Opus 5 Auto Mode存在80%成功率的攻击，安全机制反而成为失败部分。

OpenAI和泰国MHESI联手，帮10家健康教育初创企业把AI原型变成产品，为期八周。

官方一手OpenAI Blog原文

MetaNet让MoE模型根据任务难度动态分配专家，大幅减少计算量同时保持准确率。

论文揭示了MoE模型中三种推理优化为何实际效果不佳，对模型部署有重要参考价值。

这篇论文帮你搞懂RL-for-LLM的并行训练策略，让DeepSeek-R1、o3这些推理模型训练不再那么烧钱。

DeepSeek团队提出千图假说，解决大型代码库推理问题，无需预构建关系图就能达到95.6%成功率。

VPP解决了长上下文LLM推理中流水线气泡问题，在保持短序列性能的同时显著提升长序列吞吐。