SolarWM:用开放数据与统一训练框架推动长时视频世界模型
SolarWM试图解决视频世界模型研究中的数据异构、骨干网络适配和长时推理难题。项目通过统一数据契约、原生骨干适配和三阶段训练流程,让仅使用5秒训练片段的模型支持分钟乃至小时级交互式生成。
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SolarWM试图解决视频世界模型研究中的数据异构、骨干网络适配和长时推理难题。项目通过统一数据契约、原生骨干适配和三阶段训练流程,让仅使用5秒训练片段的模型支持分钟乃至小时级交互式生成。
阅读全文PaperCompiler 针对论文到代码过程中常见的算法简化、隐含假设丢失和跨文件不一致问题,引入了面向整个代码仓库的规范编译流程。该方法通过记录证据来源、约束文件职责与依赖关系,提升生成实现对原论文的忠实度。
阅读全文CRISP 针对长上下文自注意力预填充的动态稀疏问题,提出结构代理指标和感知注意力汇聚点的阈值策略。在多个长上下文基准上,它在降低注意力开销的同时改善了检索任务表现。
阅读全文上海交通大学团队提出 EarlyEval,通过分析智能体执行过程中的中间行为,提前判断任务成功或失败,从而减少不必要的模型调用和评测成本。在三个基准上的实验显示,它在较小精度扰动下可削减部分执行步骤与输入输出 token。
阅读全文AgentJudgeBench 将 LLM 评审置于依赖驱动的工具调用工作流中进行测试。结果显示,任务难度而非模型规模,可能才是评审可靠性的主要瓶颈。
阅读全文E-Commerce Bench把LLM放进一个持续365天的电商经营环境,要求智能体同时处理选品、谈判、销售、履约与现金流。结果显示,赚钱能力并不等于全面的经营能力。
阅读全文一项研究指出,长期运行的 LLM 智能体可能因记忆错误而凭空获得并不存在的权限。研究者将这种由系统自身记录造成的风险称为“内生授权洗白”,并通过 EAL-Bench 对其进行评估。
阅读全文一项企业级实践尝试用生产流量反向驱动后训练,将指令遵循、函数调用和内部任务分布拆成三个优化方向,再通过模型合并形成统一模型。结果显示,小得多的模型在内部评测和实际服务覆盖上具备竞争力。
阅读全文SWE-bench中的问题通常完整、正式且信息丰富,而真实用户往往只给出简短描述。RealSWE通过控制信息组成和语言风格发现,贴近现实的输入会让模型平均解决率下降,并可能改变模型排名。
阅读全文一项理论研究提出“AI递归繁殖数”R_AI,用于判断AI参与研发后,能力增长会在多轮开发中被放大还是逐渐减弱。研究指出,自我放大并不取决于模型能力达到某个固定等级。
阅读全文ZimaBlue提出一套从第一视角视频学习世界动作模型的训练框架,试图缓解机器人轨迹数据昂贵、稀缺且多样性不足的问题。研究还通过Slow-Fast异步架构,在保持模型容量的同时提升实时控制能力。
阅读全文据报道,OpenAI 即将推出的 Astra 模型将采用名为“递归深度”的推理技术。该方法可能减少可读的思维链痕迹,引发 AI 安全研究者对模型监控能力下降的担忧。
阅读全文Google推出Gemini 3.8 Flash,强调模型会在复杂任务中执行更多推理步骤并反复调用工具。虽然单价暂未上调,但更高的Token消耗可能推高实际使用成本。
阅读全文PyTorch 2.14 将重点从单点算子优化扩展到编译、通信、容错和多硬件协同。NVGEMM、nccl2、动态形状声明以及 Apple Silicon 原生线性代数,构成了本次版本的主要看点。
阅读全文非营利组织 Protect Democracy 起诉美国四个联邦机构,要求公开特朗普政府用于审查前沿 AI 模型的非机密规则。争议焦点包括参与企业、评估标准、法律依据以及模型访问权限的决定过程。
阅读全文亚马逊为 Alexa for Shopping 增加消息核验功能,用户可以询问一封邮件、一条短信或一通电话是否确实来自亚马逊。助手会将相关内容与亚马逊发送记录进行比对,并在无法完全确认时建议用户通过官方渠道核查。
阅读全文Google DeepMind宣布推出限量访问的Fairwind计划,向政府机构、云客户及网络安全合作伙伴提供更先进的AI防御能力。计划首阶段重点是借助Gemini 3.8 Flash Cyber与CodeMender,自动发现、验证并修复软件漏洞。
阅读全文Google DeepMind 发布 Gemini 3.8 Flash 及其网络安全版本,重点提升长程软件工程、复杂推理和漏洞修复能力。新模型维持 Flash 系列的速度与价格定位,但更依赖额外推理和工具调用换取性能。
阅读全文微软研究院提出 StudentSim,用少量个体数据训练能模仿真实学习者、也能响应教师指导的学生模拟器。该方法在国际象棋、英语写作和数学三个领域的评测中均优于 GPT-5.4。
阅读全文Harness-of-Harness(HoH)不是一个新的代码模型,而是一套运行在既有编程智能体之上的迭代框架。它通过规划、编码、测试和独立评估的循环,让智能体从一次性交付转向持续开发。
阅读全文H3-World 基于 33B MiniMax-H3 视频生成器,将自然语言控制扩展为带有时间定位的角色与镜头控制。它不新增专用动作模块,而是通过轻量 LoRA 适配,把已有的视频语义能力转化为交互式世界控制。
阅读全文