Shows / 每日AI

The show, from its episodes
No episode notes yet. Recurring topics, people and starter picks will appear when notes are available.
Typical episode length
19m · median of 401 episodes with a known length
Solo / guest format
Unknown — existing notes name people mentioned, but do not identify hosts or guests.
Recurring topics
No recurring topics established yet.
Recurring people
No recurring people established yet.
Start here
No starter picks yet — no published episodes with audio and a recorded notes hook.
Episodes
每日AInanoMuse:开源个人智能体系统 夺回个人AI控制权
本文介绍了 nanoMuse 项目,这是一个开源的个人 AI 代理系统,旨在打破主流云端代理的封闭性并实现全设备覆盖。文章首先回顾了 2011年至2026年 期间从简单语音助手到闭源商业代理(如 Meta 的…
每日AIARIS:对抗性多智能体自主科学研究架构 用AI抓AI科研造假
ARIS(通过对抗性多智能体协作实现的自主研究)这一开源机器学习研究框架,其核心旨在应对单智能体长期研究中容易出现的“貌似合理且无支持的成功”这一潜在风险。该系统主要通过三层架构来实现全面管控,包括包含六十多个可复用 Markdown…
每日AIIris-3B:像素空间扩散模型的预训练、转换与微调 纯像素AI细节翻车
本文探讨了像素空间扩散模型在文本生成图像及下游密集预测任务中的应用。研究团队从头预训练了名为Iris-3B的30亿参数像素空间模型,并通过实验发现其性能可与主流潜在空间模型相媲美。此外,文章还介绍了将预训练潜在模型转换为像素空间的方法,以及优化输入接口的关键策略。通过在单目深度估计和图像恢复超分辨率任务上的微调测试,结…

每日AIMicrosoft - O-Voxel:全向体素三维生成与重建 三秒生成原生3D模型
研究提出了一种全新的全向体素结构,称为 O-Voxel,专门用于高效捕获复杂的 3D 几何形状与物理材质。通过结合灵活的双网格系统与稀疏压缩变分自编码器(SC-VAE),该方法能够实现网格与体素之间的即时双向转换,同时保证极高的空间压缩率和卓越的重建保真度。在此基础之上,研究团队训练了包含…
每日AIMinerU2.5:高分辨率文档解析模型 12亿AI击败720亿巨头
MinerU2.5,这是一种拥有 1.2B 参数的高效视觉语言模型,旨在解决高分辨率文档解析中的计算冗余和幻觉问题。该模型采用两阶段解析策略,首先通过下采样图像进行全局布局分析,随后利用布局结果对原始高分辨率图像的局部区域进行精确的内容识别。结合定制的数据引擎和迭代挖掘策略(IMIC),MinerU2.5…
每日AIKandinsky 6.0 Video: 用于同步生成视频与音频的基础模型
Kandinsky 6.0 Video 是一个用于同步视频和音频生成的基础扩散模型系列,提供不同参数规模的 Lite (3B) 和 Pro (29B) 版本。该模型通过采用双流 CrossDiT 架构,能够利用双向交叉注意力机制实现时间与语义上的对齐,并支持文本到音视频 (T2AV) 以及图像到音视频 (I2AV)…
每日AIAgentGarten:演化智能体的代码世界 AI写攻略十轮学会捉迷藏
AgentGarten 是一个旨在构建代码世界(CodeWorlds)的创新框架,它通过将可编程的模拟器引擎与共享的神经渲染器相结合,实现了兼具严谨物理规则与真实视觉外观的实时交互环境。该框架的核心是对抗强迫(Adversarial Forcing)蒸馏方法,通过精准回放与对抗性监督,使预训练的视频模型能够在单张…
每日AIOneStreamer:流媒体视频交互中的感知与记忆统一 用字幕记住视频的AI
OneStreamer 是一个专为流式视频交互设计的开创性视觉语言模型,通过单一的因果生成过程统一了感知、记忆和主动响应。该模型引入了主动分层字幕内存(PHCM),在不牺牲实时感知的前提下,将观察到的视频片段转化为有时空依据的局部细节字幕和事件摘要,从而提供可复用的事实背景。为了解决状态监督中的不平衡问题,模型采用了主…
每日AINVIDIA - PixelUMM:像素统一多模态模型 纯像素统一AI理解与生成
PixelUMM 是一种新型的无编码器统一多模态模型,能够在像素空间直接处理图像和视频的理解与生成任务。该模型通过空间补丁和时空管块连接原始像素与共享的多模态骨干网络,从而避开了传统方法中复杂且占用大量显存的视觉编码器或变分自编码器。其核心采用Transformer混合架构,将共享的注意力机制与针对不同任务的独立参数相…
每日AIMicrosoft - SkillOpt:智能体技能自我演进的文本空间优化方法 不改权重的纯文本AI训练
SkillOpt 是一种专为语言模型代理设计的可控文本空间优化器,它通过将外部技能文档视为可训练状态,突破了传统手工编写或无约束自修正的局限。该系统利用前沿的优化模型将运行轨迹转化为有界限的增删改编辑,并通过保留机制与验证门控来确保每一次更新都能严格提升在留出验证集上的表现。整个优化流程支持动态学习率调度、被拒编辑缓冲…
每日AIFrameMorrow:前瞻引导的长序列视频生成帧选择 预测未来需求终结AI视频失忆
FRAMEMORROW 是一种专为长周期视频生成与交互式世界模型设计的前瞻性帧选择方法。该方法通过预测一组小型前瞻性标记来捕捉未来的信息需求,从而取代传统的仅依赖当前内容的检索方式。通过在训练阶段引入基于未来真实内容的排名蒸馏技术,该系统能够精准挑选出真正对未来生成有价值的显式历史帧。作为一种即插即用的轻量级模块,它无…
每日AIYuE2:统一符号与音频的音乐生成模型 能改乐谱的AI音乐
YuE2 是一个先进的音乐生成大模型,通过符号规划(Symbolic Planning)技术,将符号化音乐创作与音频生成有机结合。该系统能够先创作包含旋律、和弦等要素的可读乐谱,随后将其转化为语义标记并生成高质量的48kHz立体声音频。为了支持该训练过程,研究人员开发了 MERT2 和…
每日AIVisionHOPE:视觉主干网自修正学习系统 自我修改的视觉AI
VisionHOPE,这是首个作为自修改学习系统构建的通用视觉骨干网络。该系统通过五种耦合记忆在图像扫描过程中协同演化存储内容与学习规则,并在计算规模上与视觉标记数量保持线性扩展。为了解决视觉骨干网络中无约束自修改更新带来的训练不稳定问题,研究人员推导了一种稳定性匹配的步长控制方案。该方案结合了自适应注入的软上限(so…
每日AIMeta - 上下文语言模型:自主语境管理 AI学会自己编辑上下文
上下文语言模型(CLMs)这一创新架构,它允许大语言模型通过将上下文视为一个可自由编辑的文件来自主管理上下文,从而打破了传统仅支持追加的限制。与依赖外部控制或固定策略的传统方法不同,CLMs…
每日AINVIDIA - Lyra:视频扩散模型的生成式3D场景重建 单图重构3D物理世界
Lyra 框架,这是一种无需真实世界多视角数据即可直接从单张图像或视频中生成高质量静态和动态 3D场景 的创新方法。通过采用独特的 自蒸馏技术,该研究将强大的 视频扩散模型 转化为“教师”角色,从而有效监督并训练一个能输出显式 3D高斯喷洒(3DGS)…
每日AIPrinceton等:跨拓扑骨骼动画的统一生成模型 文本驱动任意3D骨骼动画
为了解决现有动作生成模型受限于特定骨骼拓扑结构或需要繁琐测试时优化的难题,研究人员开发了 UniMate 这一统一的动画基础模型。该模型能够仅凭带骨骼的3D资产和文本提示,为任意骨骼拓扑结构直接合成流畅自然的动作。为了支持跨拓扑的有效训练,团队构建了包含超过一万三千条动作序列的 UniML3D…
每日AIRaven:可组合智能的智能体框架生态系统 干掉AI群聊
Raven 的开源多智能体生态系统,旨在通过构建、演化和组合专门的模型-构件对来解决复杂的跨领域任务。该系统利用 Host Agent 动态分解目标、编排有向无环图(DAG)执行任务,并通过持续的经验记忆和 Skill Forge…
每日AITencent - GameHorizon:多时空维度的AAA游戏数据与评估基准 4亿次按键教AI打3A大作
GameHorizon Suite 是一个专为评估人工智能在AAA级视频游戏中表现而设计的统一数据与评估套件。该系统主要由三部分组成:能够自动生成多层级自然语言指令的 GameHorizon-Annotator、包含由人类专家录制的 5000 小时视频及对齐动作的…
每日AITencent - WorldCrafter:基于隐式三维感知存储的视频世界模型 治愈AI金鱼记忆
WorldCrafter 是一种创新的视频世界模型,能够通过单张图像或文本提示支持实时交互式场景探索。该系统引入了一种隐式 3D…
每日AI浙大 - Spatial-Interactor:通过物理交互学习空间推理 AI如何建立物理世界的时空感
Spatial-Interactor 的创新视觉语言模型(VLM)框架,旨在通过与物理世界的交互来增强模型的空间推理能力。为了解决现有模型在长序列环境和动态状态变化中容易迷失的问题,研究团队设计了一个涵盖被动世界状态、主动自我状态及长视野交互轨迹的三阶段渐进课程,并构建了包含108K条验证性问答对的…
每日AINUS:基座模型时代的AI游戏全景综述 AI不再打游戏而是造世界
大语言模型和基础模型正深刻改变着游戏开发生命周期的各个阶段。最新的学术文献将人工智能在游戏中的应用梳理为六大核心角色:即玩家与行动代理、玩家与游戏建模、游戏设计、游戏构建与维护、运行时内容生成与自适应,以及游戏测试与评估。这些研究虽然传统上各自独立,但如今正通过跨角色的能力迁移和制品复用实现深度融合。然而,由于游戏引擎…
每日AIGAE:几何原生潜在空间下的感知与生成统一 终结AI视频融化
几何原生自编码器(GAE),这是一个将多层几何特征重新参数化为紧凑潜空间的共享基础,旨在统一视觉感知的几何结构与生成模型的表观表现。通过在冻结的几何编码器与稠密预测头之间引入学习瓶颈,并结合标记级语义对齐和空间关系匹配,该编码器能够同时输出真实感图像、深度、相机姿态和点云。在相同的扩散Transformer架构下,与传…

每日AINeoHorse-1:基于路由架构的代理原生模型递归自我演进 让AI告别高分低能
NeoHorse-1 系列智能体原生模型,通过 递归自我改进(RSI) 与 智能路由监督微调 实现了 AI 性能的持续提升。系统利用 路由体系 记录交互轨迹并将其转化为分阶段的 课程学习 与 在线蒸馏 数据,形成评估-选择-更新的闭环反馈。在多个 基准测试 中,该模型在 4B 和 9B…
每日AIGoogle - RRSI:智能体架构的正规化递归自我改进 破解AI进化陷阱
RRSI(正则化递归自改进代理框架),旨在解决大语言模型代理在自主优化代理外壳(Agent Harness)时容易产生的过拟合与噪声适应问题。传统外壳演化方法往往只关注特定任务的表现,容易导致在未知任务上的泛化能力减弱且推理成本增加,而 RRSI…
每日AIAnthropic - 当AI构建自身:递归自我改进的未来 Claude自主编写80%核心代码
Anthropic 正在积极推进 递归自我改进(recursive self-improvement),让人工智能逐步接管自身的开发与设计。目前,像 Claude 这样的 AI…
每日AI诺奖得主Hinton携手Bengio等:人工智能研发自动化与智能爆发政策研究 软件驱动的智能爆炸
随着人工智能系统在软件研发中扮演越来越核心的角色,专家们正密切关注智能爆发的可能性,即AI的自主研发可能引发一场自我完善的递归反馈循环,使多年的技术进步压缩至数月甚至更短。如果这一爆发成真,它不仅能加速有益技术的诞生,还将带来巨大风险,包括AI能力增长超出人类控制、监督机制失效以及国家与企业间的权力制衡遭到严重侵蚀。尽…
每日AINVIDIA - SPEED-Bench:全方位投机采样评估基准 揭穿AI测速作弊
SPEED-Bench,这是一个专为投机解码(Speculative Decoding)设计的统一且多样的基准测试套件。该工具包含一个用于评估草稿模型准确性的定性数据集和一个用于在真实服务场景中测量系统加速比的吞吐数据集。通过集成 vLLM、TensorRT-LLM 和 SGLang…
每日AI美团 - LongCat-Video-Avatar 1.5 技术报告:凭细节硬刚HeyGen
LongCat-Video-Avatar 1.5,这是一个旨在缩小学术原型与商业应用差距的开源音视频生成框架。该版本通过升级 Whisper-large 音频编码器和实施严谨的数据清洗流程,显著提升了唇形同步的精准度、动作的连贯性以及对复杂场景的泛化能力。为了兼顾生成质量与推理效率,研究团队引入了 GRPO…
每日AIRSIAgent:新环境下智能体的递归自我演进 靠自我试错击败GPT6
RSIAgent 是一种专为数字智能体设计的无需训练的多智能体自我改进框架,旨在解决预训练模型在面对未知软件环境和工具时的适应性难题。该框架通过课程智能体、执行智能体与验证智能体的协同工作,模拟人类“探索-实践-总结”的学习过程,从而自主构建可重用的环境知识记忆。其核心采用先广后深的探索策略,首先通过并行探索建立对环境…
每日AIVoiceMem:实时语音交互的双脑式记忆系统 实现AI双脑极速记忆
VOICEMEM 是一种专为实时语音交互设计的创新双脑记忆系统,旨在解决智能体在对话中缺乏情感深度和响应延迟的问题。该架构模仿人类大脑,通过左脑处理事实信息,同时利用右脑捕捉情感轨迹与个性特征。凭借其独特的流式查询机制,该系统能在 134…
每日AIZGCM-1:极简高效的数学与智能搜索模型 7B小模型跨级碾压GPT4o
中关村学院和中关村人工智能研究院开发的 ZGCM-1,这是一个完全开源且极其高效的 7B 参数数学与智能体搜索基座模型。该模型核心理念是结合深入的内部思考与主动的外部工具调用,以突破小参数模型在知识储备上的局限。技术上,它采用了由门控滑动窗口与全局注意力构成的混合架构,并结合 FP8 混合精度训练和 Muon…
每日AIAtria Dawn:智能体驱动的科研与工程新范式 当AI开始主导自己的研发
Atria Dawn Preview 的全新智能体基础语言模型,该模型专为科学研究和工程工作流而设计。通过一种可验证经验流水线进行训练,该模型在 16…
每日AITencent AuK技术报告:开源语音生成与编辑基座模型 像改文档一样改录音
AuK是由上海交通大学与腾讯等机构联合开发的开源语音生成与编辑基座模型。该模型通过统一的自然语言指令界面,实现了语音合成、声学属性调整、副语言变换、内容编辑以及音频增强与分离五大功能。研发团队构建了包含30亿条指令音频实例的大规模数据集,并结合多模态大语言模型与混合流变换器架构进行训练。通过人类反馈偏好优化与强化学习,…
每日AINVIDIA:SoL-Pi 高效能低成本的自动科研迭代环 AI自主优化外壳砍掉三成账单
SoL-Pi 是一项由英伟达开发的创新研究,旨在通过递归式自动研究循环(Auto-Research Loop)来优化智能体装备,从而提升 LLM 智能体在处理长周期任务时的Token 使用效率。该系统通过 AI…
每日AIGoogle:Dream-RSI 通过演化世界实现递归自我提升探索 AI靠做梦省下百倍算力
Dream-RSI 是一种旨在提升自主 AI 智能体性能的递归自我改进(RSI)框架。该技术的核心创新在于将历史发现记录转化为回放模拟器,使智能体能够通过“做梦”式的离线模拟来优化探索策略。通过在模拟器中快速评估数千种替代方案,智能体无需进行昂贵的在线实验即可获得即时反馈,从而显著降低了元策略改进的成本。这种闭环机制通…
每日AI3D高斯泼溅:实时辐射场渲染技术
该研究提出了一种名为3D高斯泼溅(3D Gaussian Splatting)的新型渲染方法,旨在实现高质量、实时性的辐射场渲染。通过将场景表示为可优化的各向异性3D高斯体,该技术能够精准捕捉复杂的几何细节与光影变化,且无需依赖昂贵的神经网络。研究引入了自适应密度控制机制,从稀疏的点云出发,通过自动增删高斯体来优化场景…
每日AIPrime Agent:自我提升的递归语言模型框架 给AI装上硬盘与分身术
Prime Agent 的开源自进化智能体架构,旨在解决语言模型在处理长周期任务时面临的计算与信息管理局限。该系统通过构建递归语言模型(RLM)和持续性框架,实现了模型权重之外的 L2 级持久交互空间和 L3 级外部存储,使智能体能够自主管理代码执行、技能积累与多代理协作。实验数据表明,Prime Agent…
每日AIFreeToken:端侧MoE模型带宽自适应推理系统 家用显卡流畅跑大模型
FreeToken 是一个专为个人电脑设计的开源 MoE(混合专家模型) 推理服务系统,旨在打破顶级 AI 模型对数据中心硬件的依赖。该系统通过 带宽自适应执行 技术,巧妙地将计算任务在 GPU、CPU 与 显存、内存…
每日AIApodex 1.1:复杂长程任务的智能体扩展模型 让AI真正学会干活
Apodex 1.1,一个专为处理复杂、长周期任务而设计的智能体模型与执行系统。该系统通过环境缩放(模拟真实文件、搜索和代码世界)与协作缩放(训练多智能体进行任务拆解与协调)两大核心维度,显著提升了 AI 在金融、科研和专业办公等领域的实操能力。其核心架构包含 AgentOS…
每日AI清华AutoResearch:源于洞察且无幻觉的自主科研系统 无情剔除幻觉的AI科学家
AutoResearch 是由清华大学等机构开发的双阶段自动化科研系统,旨在通过“洞察输入,消除幻觉”的理念提升 AI…
每日AIShow-Harness:语义动作界面赋能具身智能操控 给AI机器人装上语义手柄
Show-Harness 是一种创新的机器人控制框架,旨在通过语义动作接口弥合高层视觉语言模型(VLM)与低层物理执行之间的鸿沟。该系统将复杂的机器人指令分解为离散且具有语义含义的动作单元(如前后移动或抓取),使模型能够以其原生理解的方式直接参与物理交互。通过这种方式,前沿大模型无需微调即可实现零样本部署,而轻量化开源…
每日AILongHorizon-Harness:MEA循环重塑长程Agent执行模型 分工治好AI长任务翻车
LongHorizon-Harness 是一款由阿里巴巴团队开发的创新框架,旨在提升大语言模型智能体处理长程任务的可靠性。该系统通过核心的“管理-执行-审计”(MEA)循环,将复杂的长任务分解为独立且经过验证的状态转换过程。管理器负责规划子任务,执行器在清新上下文中操作环境,而审计器则通过只读手段独立核实环境状态的真实…
每日AI商汤SenseNova-U1:原生多模态大脑 原生多模态统一模型
SenseNova-U1 是一个创新的原生多模态统一模型,由 NEO-unify 架构驱动,旨在消除视觉理解与图像生成之间的界限。该系统彻底舍弃了传统的预训练视觉编码器(VE)和变分自编码器(VAE),直接通过原生像素与文本输入进行端到端学习。模型推出了 8B-MoT(稠密型)和…
每日AIAgentScope:超大规模多智能体模拟平台 一百万个AI的社会实验
AgentScope 是一个由阿里巴巴团队开发的以开发者为中心的多智能体(Multi-Agent)开发平台,旨在降低构建、部署和监控智能体应用的门槛。该平台通过消息交换机制简化了智能体间的沟通,并提供了可视化拖拽工作站和自动提示词调优等易用工具。为了提升系统的稳定性,它内置了多层次的容错机制,能够自动处理大语言模型生成…
每日AILLM-as-a-Verifier:通用大模型验证与扩展框架 用连续概率精准验证AI
该研究论文介绍了一种名为 LLM-as-a-Verifier 的通用验证框架,旨在通过验证缩放提升大型语言模型在复杂任务中的表现。不同于以往输出离散分数的评估方法,该框架利用概率分布和逻辑回归生成连续分数的细粒度反馈,从而更精准地辨别方案优劣。研究通过得分粒度、重复评估和准则拆解三个维度实现了验证能力的持续提升,且无需…
每日AIOpenHands:通用人工智能软件开发代理平台 让AI自主写代码修Bug
OpenHands(原名 OpenDevin)是一个开源的社区驱动平台,旨在开发能够像人类程序员一样通过软件接口与世界互动的通用型 AI 代理。该系统通过事件流架构协调代理、用户与环境,并提供安全的 Docker 沙盒环境,支持执行代码、操作终端及浏览网页。平台集成了 AgentSkills…
每日AISAO:单样本异步强化学习框架
单样本异步优化(SAO)的新型强化学习框架,旨在解决大型语言模型在处理复杂智能体任务时面临的训练效率与稳定性挑战。传统的GRPO等方法依赖于分组采样,在异步训练环境下容易导致系统空转和严重的越策偏差。SAO通过采用单轨迹采样机制实现了即时训练,并结合双侧特征剪枝策略显著提升了模型在异步更新中的稳定性。此外,研究人员引入…
每日AIOpenLife:构建自主大语言模型智能体的开放世界人工生命 必须赚钱养活自己的AI
这篇文章探讨了**“开放世界人工生命” (open-world ALIFE)** 这一新范式,旨在让基于大语言模型的智能体在真实且复杂的社会经济环境中实现自主生存。研究团队开发了名为 OpenLife…
每日AIEIFBENCH:极复杂指令遵循评测基准 大模型为何搞不定多约束指令
EIFBENCH,一个专门用于评估大语言模型处理超复杂指令能力的基准测试。该基准突破了以往单一任务或简单约束的局限,构建了包含多任务并行与多维度约束的真实应用场景。研究者还同步开发了…
每日AIBDH-CQ:递归潜空间推理与情境学习研究 AI学会了闭嘴思考
本文介绍了一种名为 BDH-CQ 的新型推理模型,它将上下文学习与循环潜空间推理相结合,通过处理示例来更新其循环记忆。该系统无需生成自然语言中间步骤,而是直接在高维潜空间内进行迭代计算,从而高效地解决视觉变换任务。在 ARC-AGI-1 基准测试中,仅拥有 1.5 亿参数的模型便实现了 29.5%…
每日AI4DAnyone:基于单目视频的4D人体生成与重建 手机随手拍出4D数字人
4DAnyone 是一个能够从普通单目视频中重建高保真 4D 动态人物的研究项目。该框架利用 3D 骨架作为鲁棒的几何引导,能够生成多视角一致的高质量视频,从而支持后续的 4D 高斯泼溅 (4DGS) 重建。为了解决大规模视角下的不一致性问题,研究者提出了参考上下文打包 (RCP)…
每日AI腾讯微信WeMM-Embedding:多模态嵌入技术报告
腾讯微信团队开发的 WeMM-Embedding,这是一系列专门用于处理多模态数据的通用嵌入模型。该系列模型涵盖 2B、4B 和 9B…
每日AIGoogle IFEval:大语言模型指令遵循能力的客观评测基准 测评大模型听不听话
谷歌和耶鲁大学研究人员开发的 IFEval(指令遵循评估) 基准测试,旨在解决大型语言模型在遵循自然语言指令方面缺乏标准化评估的问题。该工具通过 “可验证指令” 来实现客观评价,涵盖了关键词频率、文本格式、语言类型及长度限制等 25 种可自动检测的规则。研究者构建了 500…
每日AIFlowWM:高维特征空间随机世界建模 让AI学会推演多重未来
FlowWM,这是一个旨在解决视觉世界模型中未来预测不确定性的随机生成框架。研究指出,传统的确定性模型往往会产生模糊的均值预测,而基于 VAE 的模型则因压缩过度而损失了关键的感知细节。FlowWM 直接在 DINOv3 等高维预训练特征空间中执行流匹配(Flow…
每日AIAGENTIF:真实智能体场景下的大模型指令遵循基准测试
AGENTIF 是一个专门用于评估大语言模型在智能体(Agent)场景下指令遵循能力的全新基准测试。该研究指出,现有的测试集通常指令较短且为人工合成,而真实的智能体任务往往包含超长篇幅、复杂约束以及具体的工具调用规范。为此,研究团队从 50 个真实应用中提取并标注了 707…
每日AIRoboDojo:通用机器人操作策略仿真与实机统一基准 顶级AI在现实考场大翻车
RoboDojo 是一个专为全能型机器人操控策略设计的仿真与现实结合的统一基准测试平台。该系统包含 42 个仿真任务(涵盖泛化、记忆、长程执行、精度及开放指令五个维度)和 18 个真实场景任务,旨在提供全面且可重复的性能评估。通过 Isaac Sim 的异构并行仿真技术,平台显著提升了评估效率,而…
每日AIIFScale:评估大语言模型多重指令遵循能力的极限 最强AI也扛不住五百条指令
这份名为 IFScale 的研究报告通过一个包含 500 个业务术语关键词的新型基准测试,探讨了大语言模型在高密度指令环境下的执行能力。研究发现,即使是顶尖模型在处理极多指令时,其准确率也会显著下降,并表现出阈值衰减、线性衰减或指数衰减三种不同的性能退化模式。推理模型在保持指令遵循的稳定性方面通常优于通用模型,但在处理…
每日AISWE-1.7:高性价比的前沿软件工程智能模型 散装算力战平GPT-5
Cognition 发布的最新报告介绍了名为 SWE-1.7 的软件工程模型,该模型通过优化强化学习流程实现了高性能与低成本的平衡。技术团队采用了多集群训练架构与高效的权重更新机制,克服了跨地域协作的延迟问题。通过引入自我压缩与交替长度惩罚技术,模型在处理长周期任务时表现出极高的效率。相比基础模型,它展现出更强的代码探…