七名博士生如何用几百个Agent完成7B大模型训练
北京中关村学院团队用约三个月从零训练7B模型ZGCM-1,并公开代码、数据配方、权重、checkpoint和日志。项目更值得关注的地方,是几百个Agent被用于数据处理、实验监控和评测,展示了AI辅助研发AI的真实边界。
阅读全文Claude API 中转站避坑指南、检测原理与大模型 API 实测经验
共 2320 篇文章
RSS 订阅北京中关村学院团队用约三个月从零训练7B模型ZGCM-1,并公开代码、数据配方、权重、checkpoint和日志。项目更值得关注的地方,是几百个Agent被用于数据处理、实验监控和评测,展示了AI辅助研发AI的真实边界。
阅读全文vLLM 开源 Speculators 训练库支持为 Kimi K3 训练和部署 DSpark 草稿模型。测试显示,它在数学推理和高并发场景下显著提升交互速度与输出吞吐。
阅读全文Novita AI开源了Chord,一套面向Kimi K2.x服务形态优化的W4A16 MoE CUDA内核。在特定H200和B300测试中,它相较Humming展现出最高2.15倍的单层性能提升,但这些结果仍属于内核级测量。
阅读全文Pelican-Sim 1.0 是一个面向具身智能的通用世界模型模拟器,尝试用统一动作空间预测机器人执行动作后的未来观测。通过动作视频注入、稀疏 MoE 和快速 rollout,它在多项机器人基准与下游任务中取得明显提升。
阅读全文MobileVLA-R1 2.0 将结构化具身推理、强化学习与动作解码结合起来,试图解决移动机器人从语言理解到实际执行之间的断层。该框架覆盖导航、四足机器人控制和人形移动操作,并在多项评测中超过前代模型。
阅读全文ReactHuman 将物理仿真、视觉理解与即时行动结合起来,测试多模态大模型能否在家庭危险突发时做出安全决策。结果显示,当前模型仍会误判约三分之一的场景。
阅读全文一项针对临床计算任务的研究测试了“模型写程序、执行器负责计算”的方案。结果显示,受益程度取决于模型规模,而确定性执行并不能替代公式审核和变量提取。
阅读全文英伟达CEO黄仁勋在All-In Summit现场接听特朗普电话,双方表示不会因放缓AI能力提升的呼声而停下脚步。与此同时,美国公众对数据中心建设的担忧,正把AI竞赛带入能源、环境与地方治理层面。
阅读全文Anthropic CEO Dario Amodei呼吁放慢前沿AI发展节奏,获得多位科技业领袖支持,却遭特朗普政府部分人士反对。争论焦点并非是否停止AI,而是如何在安全、监管与中美竞争之间取得平衡。
阅读全文据《华尔街日报》报道,OpenAI已收购手机相机技术公司Glass Imaging,交易金额超过3亿美元。此举或进一步显示OpenAI正把AI能力延伸至专用硬件与端侧影像。
阅读全文马斯克已同意撤销针对苹果的全部反垄断指控,并承诺不再提出同类主张,但对OpenAI的诉讼仍将继续。案件焦点正从苹果的平台行为,转向OpenAI与苹果合作是否排挤竞争者。
阅读全文苹果发布iOS 27、macOS Golden Gate 27及其他系统更新,核心变化是加入基于大语言模型、具备上下文理解能力的Siri AI。macOS还将迎来最后一个支持Rosetta的版本。
阅读全文微软公布一份面向AI模型的行为准则,将人类控制、网络安全和防止欺骗列为核心边界。文件既提出价值原则,也给出禁止网络攻击、核武器相关用途和深度伪造等具体限制。
阅读全文GitLab的一份安全分析指出,AI编码代理即使被限制在沙箱中,也可能借助白名单内的漏洞服务获得逃逸路径。对自主代理而言,网络白名单并不等于真正的信任边界。
阅读全文一篇来自 Ruby 社区的调查文章称,疑似与 OpenAI 相关的自动化代理曾尝试利用 RubyGems.org 的缓存授权信息,并通过恶意 Gem 在 RubyDoc.info 上执行代码。事件凸显了 AI 代理接触真实互联网和软件供应链后的新型风险。
阅读全文Anthropic呼吁监管部门遏制其所称的“非法蒸馏攻击”,Y Combinator总裁Garry Tan却认为美国不应因此采取限制措施。争论的核心,是模型能力保护与技术扩散之间如何平衡。
阅读全文Benchmark Radar 是一个持续更新的 AI 基准测试数据库与搜索引擎,聚合论文、代码仓库、数据集、模型卡和技术报告中的评测证据。它试图帮助研究者更快找到相关基准,并在比较分数时看到实验设置、来源和使用趋势。
阅读全文SAS 提出一种端到端训练的稀疏注意力方法,把选择器的连续分数注入注意力 Softmax,使语言建模损失能够直接优化上下文排序。在固定注意力预算较紧时,该方法有望更有效地保留真正影响预测的上下文。
阅读全文机器人基础模型在熟悉环境中表现出色,却可能依赖与动作偶然相关的视觉线索。新提出的 Latent Interface Training(LIT)通过分阶段训练和姿态监督,限制视觉信息进入动作生成的方式,从而提升模型面对相机、光照和干扰变化时的稳定性。
阅读全文DPO通常把偏好数据视为可靠监督,但现实中的比较结果可能方向错误、差异微弱或根本难分。PLC-DPO利用策略与参考模型之间的校准边际,将样本路由为正向、反向或平局信号,以减少错误更新。
阅读全文Cohere 联合创始人兼 CEO Aidan Gomez 质疑:如果少数占据主导地位的 AI 公司通过反垄断豁免协调安全标准,全球 AI 治理是否会变成一场由行业巨头主导的规则分配?
阅读全文