DeepSeek-V4-Flash 相关 AI 资讯

论文 Agent 与开发者多源确认13:00

研究拆解 LLM 网络威胁情报实体抽取失败模式：主要问题不是幻觉

DeepSeek-V4-Flash 和 GPT-6.1-Sol 抽实体都不靠谱，但坏的原因不是幻觉，而是把背景信息当成攻击实体。用置信度分层排审核优先级，别当真值。

#DeepSeek-V4-Flash #GLM-5.3-Flash #GPT-6.1-Sol #网络威胁情报

事件专题

arXiv: DeepSeek@Jiahong Qian5 个信源在谈原文

论文 Agent 与开发者12:44

arXiv 论文：证伪驱动的模型无关智能体协议，输出纪律决定决策下限

用中医辨证基准证明了件事：很多模型翻车不是能力不够，是输出纪律不行。他们设计的证伪协议能把 Kimi K3 的方差从 0.218 压到 0.007，写智能体的值得看看。

#TCMEval-SDT #DeepSeek-V4-Flash #Kimi K3 #智能体

事件专题

arXiv: DeepSeek@Jing Liu 等 4 人2 个信源在谈原文

论文中美对照精选04:29

清华牛津斯坦福论文：关闭思考后LLM仍会推理

这篇论文测了DeepSeek-V4-Flash等模型：关掉思考开关，开放式问题里99.9%还是忍不住推理，硬逼它只给答案准确率掉15分。

#DeepSeek-V4-Flash #推理模型 #思维链 #LLM

事件专题

rohanpaul_ai@rohanpaul_ai2 个信源在谈原文

论文 Agent 与开发者多源确认11:52

AECP 协议让多智能体协作编程测试通过率提升 28.2%

多智能体写代码总互相丢信息？这篇论文把协调交给框架来做，通过率提升 28.2%，还顺带堵住了恶意指令传播。

#AECP #多智能体 #编程助手 #Opus-4.8

事件专题

arXiv: DeepSeek@Jiaqi Xue 等 8 人3 个信源在谈原文

论文 Agent 与开发者多源确认10:33

测量优先的智能体排行榜审计框架：污染风险与评分器验证

一群研究者专门审计智能体排行榜的基准污染问题，用 GPT-4.1 和 DeepSeek-V4-Flash 在 SWE-bench 上做了对照实验，结论是很多污染指控证据不足，做评测的人值得看看这套框架。

#SWE-bench Verified #HAL #GPT-4.1 #DeepSeek-V4-Flash

事件专题

arXiv: DeepSeek@Dishu Yang 等 4 人3 个信源在谈原文

论文 Agent 与开发者多源确认10:31

AMAO 框架用多智能体处理运筹学问题中的逻辑不一致

一篇做自动运筹学建模的论文，用多智能体先修补含糊描述再建模，8B 小模型跑赢了 Claude-sonnet-4.5。

#AMAO #运筹学 #多智能体 #DeepSeek-V4-Flash

事件专题

arXiv: DeepSeek@Chengxi She 等 5 人3 个信源在谈原文

模型 Agent 与开发者多源确认精选21:35

EverMind AI 开源多智能体系统 Raven：为每个模型单独演化 harness

EverMind AI 开源了 Raven，每个模型配一套会自我进化的 harness，用 DeepSeek-V4-Flash 在 BrowseComp 上跑出 69.3%，研究者可以看看这套思路。

#Raven #EverMind AI #DeepSeek-V4-Flash #智能体

事件专题

DAIR.AI@dair_ai3 个信源在谈原文

模型 Agent 与开发者精选09:59

URAI框架提升机器人控制成功率

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。

#URAI #机器人控制 #DeepSeek-V4-Flash #编程代理

事件专题

arXiv: DeepSeek@Shijia Ge 等 15 人2 个信源在谈原文

论文 Agent 与开发者精选18:49

自动驾驶选择性神经符号推理框架

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。

#自动驾驶 #神经符号推理 #NuScenes-QA #GPT-5.4-mini

arXiv: DeepSeek@Yiyao Wang 等 4 人原文

论文 Agent 与开发者精选09:36

GA-Agent：用 LLM 在元层面配置遗传算法，自动优化 PID 控制器

把 LLM 当遗传算法的调参师用，8 个控制案例全部跑通，成本才 $0.002 一次，做控制或自动化的朋友可以看看这套架构。

#GA-Agent #LLM智能体 #遗传算法 #PID控制

arXiv: DeepSeek@Mohammad Narimani, Seyyed Ali Emami原文

论文 Agent 与开发者多源确认精选09:34

越南学者用本地部署 LLM 与混合 RAG 自动生成数据处理活动记录

越南 PDPD 合规催生的实用论文：本地跑 Qwen3.5-27B 配混合 RAG，效果追平云端 DeepSeek-V4-Flash，还公开了越南语 RoPA 基准。

#RoPA #Qwen3.5 #DeepSeek-V4-Flash #RAG

事件专题

arXiv: DeepSeek@To Duy Hinh 等 4 人4 个信源在谈原文

论文中美对照多源确认10:23

arXiv 论文提出 opinion leader dynamics，解释稀疏注意力如何塑造 token 聚类

把 token 当粒子建模，还拿 Kimi-K3 和 DeepSeek-V4-Flash 实测验证，讲清稀疏注意力为啥省算力还不丢效果。

#稀疏注意力 #Kimi-K3 #DeepSeek-V4-Flash #MiniMax-M3

事件专题

arXiv: DeepSeek@Jingkun Liu, Yue Song6 个信源在谈原文

模型 Agent 与开发者精选09:16

游戏开发自主软件生成基准测试集 GameASG-Bench 发布

想了解游戏开发中 AI 生成软件的性能？这个新基准测试集 GameASG-Bench 很有用，它有 47 个具体任务和详细的实验数据，能帮你判断不同模型的效果。

#GameASG-Bench #DeepSeek-V4-Flash #游戏开发 #自主软件生成

arXiv: DeepSeek@Xiuhui Zhang 等 7 人原文

论文 Agent 与开发者精选10:08

BioPhys-Bridge 基准数据集发布，用于评估跨学科生物物理研究中的科学推理能力

朋友发了这个新基准数据集，专门用来测试模型在生物物理领域的科学推理能力，比之前的基准更复杂，能看出不同模型在这个专业领域的真实水平。

#BioPhys-Bridge #DeepSeek-V4-Flash #Qwen3.7-Max #GPT-4o-mini

arXiv: DeepSeek@Qingyang Xu原文

模型 Agent 与开发者精选13:09

DeepSeek-V4-Flash 在 AMD GPU 上实现 74.5 tok/s 解码性能

DeepSeek 的工程师们优化了他们的 V4-Flash 模型，让它跑在 AMD 的 GPU 上更快了，解码速度提升明显。

#DeepSeek #DeepSeek-V4-Flash #AMD #GPU

arXiv: DeepSeek@Siming Huang原文

论文 Agent 与开发者多源确认10:33

RAME框架在谷物育种信息提取任务中夺冠

DeepSeek团队用RAME框架在谷物育种信息提取任务击败GPT-5.5，代码已开源。

#RAME #DeepSeek-V4-Flash #GPT-5.5 #信息提取

事件专题

arXiv: DeepSeek@Hang Zhao, Jiahao Wang4 个信源在谈原文

论文 Agent 与开发者多源确认精选73°10:32

SRD-GUARD：通过语义改写和多模型评分防御LLM

SRD-GUARD能更好识别伪装攻击，在Llama-3和DeepSeek模型上表现优异，比现有防御方法有更好的DSR-ORR权衡。

#SRD-GUARD #Llama-3-8B-Uncensored #DeepSeek-V4-Flash #AI安全

事件专题

arXiv: DeepSeek@Qi Wang 等 3 人3 个信源在谈原文

论文 Agent 与开发者多源确认精选09:23

DeepSeek-V4-Flash残差流使用机制研究

DeepSeek团队揭秘四流残差通路实际使用方式，发现模型并未充分利用全部流容量。

#DeepSeek-V4-Flash #残差流 #mHC #模型架构

事件专题

arXiv: DeepSeek@Pengxiang Zhao 等 5 人4 个信源在谈原文

产品 Agent 与开发者多源确认09:00

DeepSeek-V4-Flash 和 Pro 推出非高峰时段半价

Ollama 给 DeepSeek 模型搞了半价时段，工作日早晚和周末都能省一半钱

#DeepSeek-V4-Flash #Ollama #半价 #云服务

事件专题

ollama@ollama4 个信源在谈原文

论文多源确认精选73°11:13

KC-Bench：评估LLM智能体知识冲突的动态基准

研究人员发布了KC-Bench基准，专门测试AI智能体如何处理知识冲突，九个主流模型测试结果都不理想。

#KC-Bench #LLM Agents #知识冲突 #基准测试

事件专题

arXiv: DeepSeek@Yaxing Lyu 等 5 人5 个信源在谈原文

论文多源确认精选73°11:49

大模型与本体排序器融合提升罕见病诊断

研究将LLM与本体排序器融合，提升罕见病诊断准确率，同时保留可追溯的证据链。

#本体排序器 #罕见病诊断 #大语言模型 #DeepSeek-V4-Flash

事件专题

arXiv: DeepSeek@Zhaoyang Jiang 等 8 人4 个信源在谈原文

技巧 Agent 与开发者多源确认精选18:55

JIT-Agent动态生成智能体框架

DeepSeek和GLM用JIT-Agent后性能大幅超越GPT-5.6，还能动态生成智能体框架并自我进化。

#JIT-Agent #DeepSeek-V4-Flash #GLM-5.2 #智能体

事件专题

elvis@omarsar05 个信源在谈原文

论文多源确认精选73°18:01

千图假说：代码推理中的任务条件关系物化

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。

#DeepSeek-V4-Flash #SWE-bench #代码推理 #关系物化

事件专题

arXiv: DeepSeek@Fei Ding5 个信源在谈原文

模型中美对照多源确认精选73°23:10

阿里巴巴发布Qwen3.8-Flash-Next，目标‘极致成本效率’

想了解阿里巴巴如何以更低成本打造强大模型？Qwen3.8-Flash-Next值得一试，它比DeepSeek-V4-Flash和Claude Opus 4.6更高效，成本更低。

#Qwen3.8-Flash-Next #成本效率 #混合专家模型 #DeepSeek-V4-Flash

事件专题

官方账号Decoder@Matthias Bastian11 个信源在谈原文

论文多源确认10:24

LLM-Enhanced Commit Message Generation via Issue Information: An Exploratory Study

研究ISAC框架，了解如何利用问题信息提升LLM生成提交信息的效果，与现有方法相比有显著提升。

#LLM #Commit Message Generation #ISAC #GPT-5.5

事件专题

arXiv: DeepSeek@Zongen Ren 等 5 人5 个信源在谈原文

论文多源确认精选11:43

Bounded-State Restoration: 解耦本地恢复与外部状态

DeepSeek团队提出BSR方法，让LLM在极小内存下恢复超大状态，比传统方法高效63倍。

#DeepSeek-V4-Flash #BSR #KV-cache #长上下文

事件专题

arXiv: DeepSeek@Zixuan Li3 个信源在谈原文

产品多源确认19:17

DeepSeek 调价方案公布，8月17日生效

DeepSeek把V4-Flash和V4-Pro的API价格调低了，缓存命中每百万tokens只要几分钱，做批量调用很划算。

#DeepSeek #DeepSeek-V4-Flash #DeepSeek-V4-Pro #模型定价

事件专题

IT之家11 个信源在谈原文

产品中美对照多源确认18:33

GLM 5.2 价格先降后升，与 DeepSeek-V4-Flash 展开价格竞争

GLM 5.2 先降价到 DeepSeek-V4-Flash 水平又涨回，关注国产模型价格战的可以看这条。

#GLM 5.2 #DeepSeek-V4-Flash #价格战 #定价策略

事件专题

Geek@geekbb11 个信源在谈原文

模型中美对照官方一手16:27

中国模型Token用量连续15周全球第一，DeepSeek-V4-Flash登顶

中国模型又赢了，DeepSeek-V4-Flash刚发布就冲到全球第一，周涨570%，去看看吧。

#DeepSeek-V4-Flash #DeepSeek #OpenRouter #token用量

事件专题

官方一手pandaily@[email protected] (Pandaily)7 个信源在谈原文

论文政策与合规多源确认11:23

PMCoder：为软件问题修复耦合规划与情景记忆的LLM智能体

PMCoder把规划和记忆绑在一起，SWE-bench Verified上多解25个issue，换Claude或DeepSeek也有效，思路挺巧。

#PMCoder #SWE-bench Verified #Claude Haiku 4.5 #DeepSeek-V4-Flash

事件专题

arXiv: DeepSeek@Jiahao Zhang 等 3 人9 个信源在谈原文

模型中美对照多源确认10:59

DeepSeek-V4-Flash 平民价让作者放弃自部署模型

日均1.14美元就够用，自部署却要花1万美元、24年才回本，谁还折腾硬件？

#DeepSeek-V4-Flash #OpenCode Go #模型成本 #自部署

事件专题

Geek@geekbb8 个信源在谈原文

模型中美对照多源确认精选14:53

DeepSeek-V4-Flash-0731 成为 Ollama 云默认模型，输出速度 200+ tps

Ollama 云把 DeepSeek-V4-Flash 设为默认了，现在跑 200+ tps 还零数据保留，Pro 套餐能开多个长会话，写代码的可以试试。

#DeepSeek-V4-Flash #Ollama #DeepSeek #零数据保留

事件专题

ollama@ollama9 个信源在谈原文

模型中美对照多源确认22:56

DeepSeek-V4-Flash-0731规格曝光：304B参数、13B激活、1M上下文

DeepSeek这个Flash新模型参数够劲，304B总参只激活13B，还有1M上下文，配GB300机柜看挺直观。

#DeepSeek #DeepSeek-V4-Flash #GB300 #推理模型

事件专题

Geek@geekbb9 个信源在谈原文

模型中美对照多源确认精选71°01:20

Unsloth推出DSpark，DeepSeek-V4-Flash本地提速2倍

Unsloth搞了个DSpark，能让DeepSeek-V4-Flash在本地跑快一两倍，每秒120 tokens，精度不变，自己部署更爽了。

#DeepSeek-V4-Flash #Unsloth #DSpark #本地部署

事件专题

Geek@geekbb10 个信源在谈原文

产品 Agent 与开发者多源确认09:55

DeepSeek 计划近期整体上调 API 服务定价，预计涨幅较大

DeepSeek 发公告说 API 近期要涨价，幅度不小。现在 V4-Flash 输出 2 元/百万 Token，V4-Pro 输出 6 元/百万 Token，有需要的可以提前安排。

#DeepSeek #DeepSeek-V4-Flash #DeepSeek-V4-Pro #API定价

事件专题

IT之家11 个信源在谈原文

论文多源确认10:06

近似投机解码ASD：免训练加速自回归生成

这篇论文搞了个叫ASD的投机解码改进，不用重新训练就能提速，实测吞吐最高涨15%，代码也开源了，跑推理的可以看看。

#ASD #投机解码 #Qwen3-14B #DeepSeek-V4-Flash

事件专题

arXiv: DeepSeek@Yuannuo Feng 等 8 人8 个信源在谈原文

模型中美对照多源确认精选09:38

DeepSeek-V4-Flash (High)以0.024美元单任务成本重塑Agent Arena性价比

DeepSeek新模型V4-Flash跑Agent任务每单只要0.024美元，比GPT-5.6 Luna还便宜，性价比很能打。

#DeepSeek-V4-Flash #Agent Arena #GPT-5.6 Luna #智能体

事件专题

lmarena.ai@lmarena_ai10 个信源在谈原文

模型中美对照多源确认精选23:40

DeepSeek-V4-Flash 五项信号公布：总体+1.98%，确认成功+6.99%

想知道 DeepSeek 最新版行不行？看这五个真实用户信号，总体涨近2%，确认成功涨7%，但可引导性跌了。

#DeepSeek #DeepSeek-V4-Flash #LMArena #基准测试

事件专题

lmarena.ai@lmarena_ai8 个信源在谈原文

模型 Agent 与开发者多源确认精选23:39

DeepSeek-V4-Flash 新版本登 Agent Arena 第21、开源第3

DeepSeek 新模型在 Agent Arena 排开源第三，API 上线且支持 Codex，做智能体可以试试。

#DeepSeek-V4-Flash #Agent Arena #智能体 #开源模型

事件专题

lmarena.ai@lmarena_ai10 个信源在谈原文

模型中美对照多源确认19:50

荣耀关海涛谈DeepSeek斩杀线：V4-Flash极致性价比倒逼降价

DeepSeek-V4-Flash比GPT-5.6 Luna便宜六成，一周调用7.22万亿Token登顶，逼得硅谷连夜降价，你要不要看看？

#DeepSeek-V4-Flash #GPT-5.6 Luna #OpenRouter #Kimi K3

事件专题

IT之家11 个信源在谈原文