跳到正文
10月21日週三
  1. HuggingFace Daily Papers(社區熱門論文)38

    用於檢索增強大語言模型搜尋狀態感知的自我評估強化學習

    Self-Assessment Reinforcement Learning(SARL)讓模型在訓練期間識別搜尋狀態、改善搜尋行為,無須在推理時額外評估。雙重獎勵設計鼓勵有效而高效的搜尋軌跡,SARL 較最強基線相對提升 24.3%,在多跳推理及深度研究基準上平均分別提升 35.9% 和 27.9%。作為獨立強化學習框架,SARL 在延長搜尋過程中仍能保持訓練穩定。

  2. Nathan Lambert:Interconnects52

    最新開放 AI 成果(第 25 期):DeepSeek-V4.1-Flash-1017、美國本土模型與中美新監管措施

    Interconnects 第 25 期開放 AI 成果綜述聚焦中美監管動向、DeepSeek-V4.1-Flash-1017,以及多款開放模型與工具更新。中國商務部提出政策草案,要求前沿 AI 模型及部分技術在國際共享前獲政府預先批准,並稱開源技術將設自動審批;美國 DHS 則限制 DeepSeek 公司及其模型平台成為聯邦民事採購供應商。

  3. The Guardian Technology65

    Darmok 解密碼填字快人類參賽者約三分鐘,會是 Deep Blue 時刻嗎?

    AI 程式 Darmok 在本月 Times 年度密碼填字比賽中,完成決賽題的速度比人類參賽者 Liam Hughes 快約三分鐘。Darmok 以 Gemini 3.1 Pro、Claude Fable 5、GPT-5 和 GPT-6 Astra 為基礎,主要由前兩個模型解題,必要時再加入另外兩個。開發者 Sid Chatterjee 認為,設計出令人滿意的密碼填字題將是 AI 面臨的更大挑戰。

10月20日週二
  1. DEV Community28

    面向低功耗自主部署的山火疏散物流網絡概率圖神經推理

    作者構建面向低功耗自主部署的概率圖神經推理方案,以處理山火疏散物流網絡中的不確定路線風險。方案採用兩至三層訊息傳遞網絡和高斯訊息,並以矩匹配近似聚合。作者稱測試中路線風險排序幾乎完全保留,計算量減少一個數量級;量化時均值採用 int8,log-variance 採用 fp16 或 bf16。

  2. TNW72

    Reuters報道:字節跳動、阿里巴巴和騰訊訂購逾 3 million 張 Nvidia RTX PRO 5500,總價超過 $35bn

    Reuters報道,字節跳動、阿里巴巴和騰訊已訂購逾 3 million 張 Nvidia RTX PRO 5500 顯示卡,總標價超過 $35bn。消息人士稱,Nvidia未能保證供貨,並告知合作夥伴可能只交付所要求數量的 5% 至 10%;三家公司計劃主要將顯示卡用於推理。消息人士另稱,Nvidia 2027 年全球產量可能不超過 3 million 張;TNW表示未有獨立核實該報道。

  3. Hugging Face Blog74

    PyTorch 2.15 為 Mac MPS 加入 FP8 支援並加快模型解碼

    PyTorch 2.15 為 Mac 的 MPS 後端加入 FP8 支援,並加快 LLM 解碼及多項 Metal 運算。在 M3 Ultra 使用 torch.compile 時,Qwen3.6-35B-A3B 的 MoE 解碼速度由 9.4 升至 61.3 tokens/s;Wan2.2 影片 VAE 解碼的峯值驅動程式記憶體由約 270 GiB 降至約 8 GiB。

    推薦理由:文章列出 Mac MPS 上的模型解碼提速和 Wan2.2 影片 VAE 記憶體降幅,具體呈現 PyTorch 2.15 後端更新對本機推理工作負載的變化。

  4. DEV Community54

    強化學習獎勵塑形令混合語言模型推理軌跡縮短最多 65%

    相關研究指,為混合語言模型調整強化學習獎勵可重新啟動其 THINK 推理模式,令推理軌跡平均縮短最多 65%,並大致維持答案準確度。在 9B 參數設定中,生成限制內完成率由 45.9% 升至 93.9%,平均軌跡長度由 2,494 降至 868 tokens。測試只涵蓋 Qwen3 系列與 StartLux-Decision 及各自的基準;準確度仍有輕微下降,能否延伸至其他架構或任務尚不清楚。

  5. HuggingFace Daily Papers(社區熱門論文)47

    AdaExploreBench:評測 LLM 智能體在演變環境中的主動探索與測試時適應能力

    AdaExploreBench 評測 LLM 智能體在演變環境中主動探索隱藏規則及適應未預告變化的能力,發現現有智能體難以搜尋相關證據和識別過時知識。測試八款領先 LLM 時,GPT-6 Sol 的校準準確率為 61.9%;提供足夠證據或移除規則漂移,均可令平均表現顯著提升近 10%。

  6. HuggingFace Daily Papers(社區熱門論文)45

    AnyGoal:專家示範軌跡以外的世界模型泛化研究

    研究團隊提出 AnyGoal 基準測試及開源程式庫,用以評估世界模型能否將熟悉的狀態與動作組合泛化至未見情境,以支援規劃。測試任務取自常用世界模型環境,個別狀態因素與動作均在訓練範圍內,但相關組合在專家軌跡中較少出現。多個環境和世界模型系列的結果顯示,現有模型在這類重新組合下持續失效。

  7. DoNews50

    銘芯啟睿宣佈完成超過4億元A輪融資

    北京存算協同晶片企業銘芯啟睿宣佈完成超過4億元A輪融資,並啟動第一代推理晶片LPU研發。資金主要用於 RRAM 產業化與商業化,以及 LPU 研發。前英國 AI 晶片公司 Graphcore 總裁兼大中華區總經理盧濤加入團隊,出任 CEO 及聯合創始人。