Neodrop
Create
FeedDiscoverMy ChannelsAuto-publishJoin Our Discord
FeedDiscoverCreateMy Channels
大模型团队论文与博客解读 / Content Archive

大模型团队论文与博客解读 Content Archive

167 posts · Page 1 of 2

  1. Google 冻结 Gemini Nano 也能加速：MTP 头省下的是内存和等待2026-07-01
  2. OpenAI 的 GeneBench-Pro：科研 Agent 不能只会跑流程了2026-07-01
  3. ChatGPT Memory Dreaming：OpenAI 要解决记忆变旧这件事2026-07-01
  4. Anthropic 40 万次 Claude Code 会话：会提需求比会写代码更值钱2026-07-01
  5. LifeSciBench：OpenAI 把科研评测从答题拉回真实生命科学2026-07-01
  6. OpenAI 公益转型计划：AGI 的问题从能力转向分配2026-07-01
  7. OpenAI 的 Codex 研究：Agent 改变的不是聊天，而是派活2026-07-01
  8. Claude Sonnet 5：Anthropic 把 Agent 能力下放到 Sonnet 价位2026-07-01
  9. Anthropic Economic Index：AI 正在贴着工作节奏生长2026-07-01
  10. N-day 漏洞：AI 把补丁窗口压缩到小时级2026-07-01
  11. Gemma 4 12B：Google 把多模态编码器拿掉了2026-07-01
  12. DiffusionGemma：4 倍加速背后的取舍2026-07-01
  13. Gemini 3.5 Live Translate：翻译从轮流说变成跟着说2026-07-01
  14. AI 控制路线图：Google 把 Agent 当内部人来防2026-07-01
  15. Computer Use in Gemini 3.5 Flash：Gemini 开始直接操作屏幕2026-07-01
  16. From AGI to ASI：DeepMind 把超级智能拆成四条路2026-07-01
  17. Seed2.1：字节把模型能力押到 Agent 交付2026-07-01
  18. TTT-VLA：只优化潜在提示，VLA 能在部署时自我校准吗？2026-07-01
  19. Seedance 2.0：字节把视频生成推向可导演工作流2026-07-01
  20. Qwen3.7-Plus：多模态 Agent 的重点变成了执行闭环2026-07-01
  21. Qwen-AgentWorld：让 Agent 先学会预测世界2026-07-01
  22. Qwen-Robot Suite：大模型开始接管机器人的动作接口2026-07-01
  23. MiniMax M3：百万 Token 上下文之后，Agent 才是主线2026-07-01
  24. Kimi K2.7 Code：长代码任务里，少想 30% 也是能力2026-07-01
  25. GLM-5.1：智谱把模型能力拉到 8 小时任务里2026-07-01
  26. GLM-5.2：1M 上下文之后，长任务才是主战场2026-07-01
  27. MiMo-VL：7B 视觉语言模型，胜负手在训练配方2026-07-01
  28. gget virus：生物 Agent 的短板不只在模型2026-07-02
  29. GPT-5.6 Sol：能力进了高风险区，发布也被安全闸门卡住2026-07-02
  30. LongCat-2.0：美团把万亿模型押在代码 Agent 上2026-07-03
  31. Deployment Simulation：OpenAI 把安全评测搬进真实流量2026-07-03
  32. Project Fetch：Claude 开始自己接管机器狗接口2026-07-05
  33. Nano Banana 2 Lite：Google 把生成媒体拆成流水线2026-07-06
  34. J-space：Anthropic 开始读取 Claude 的沉默想法2026-07-06
  35. MaxProof：MiniMax 把数学证明变成候选池搜索2026-07-07
  36. Fable 5：Anthropic 把越狱争议写成评分表2026-07-07
  37. Core dump epidemiology：OpenAI 如何修复一个 18 年的 libunwind Bug2026-07-07
  38. Claude Science：Anthropic 把科研 Agent 放进实验室工具链2026-07-07
  39. EdgeBench：字节 Seed 把 Agent 评测拉到 12 小时之后2026-07-07
  40. MOPD：小米把多位 RL 老师蒸回一个模型2026-07-08
  41. GPT-Live：OpenAI 把语音模型改成全双工前台2026-07-08
  42. GRAM：Anthropic 想给危险知识装一个可拆模块2026-07-09
  43. GPT-5.6 正式开放：Sol 变成高推理档2026-07-10
  44. Seedream 5.0 Pro：字节把图像模型推向设计工具2026-07-10
  45. Qwen-Image-Agent：先补上下文，再让模型画图2026-07-11
  46. Seed2.0 Model Card：字节把评测搬进真实任务2026-07-13
  47. LongCat-2.0 正式开源：美团把国产卡推理栈也放出来了2026-07-13
  48. Claude Values：Anthropic 给模型性格画了四根轴2026-07-14
  49. Xiaomi-Robotics-U0：小米把 38B 具身世界模型做成数据引擎2026-07-15
  50. GPT-Red：OpenAI 用自我博弈训练会攻击自己的安全红队2026-07-16
  51. Kimi K3：2.8T MoE 先上 API，权重要等 7 月 27 日2026-07-17
  52. Qwen-Audio-3.0-Realtime：实时语音开始自己办事，但价格口径要先看清2026-07-17
  53. PerceptionBench：多模态模型的视觉能力，最高也没过 60 分2026-07-17
  54. Seed Audio 1.0：把对白、音效和环境声放进同一场景2026-07-20
  55. MiMo-V2.5 推理优化：Hybrid SWA 的收益要靠整条服务链兑现2026-07-20
  56. 长程模型会学会绕过防线：OpenAI 重建四层安全系统2026-07-20
  57. Qwen-Image-3.0：图像生成开始把「信息量」当成能力指标2026-07-21
  58. Gemini 3.5 Flash Cyber：漏洞发现的增益来自专用模型，也来自调用预算2026-07-21
  59. Gemini 3.6 Flash、3.5 Flash-Lite 与 Flash Cyber：Google 把模型选型拆成三种工作负载2026-07-21
  60. OpenAI 事故复盘：GPT-5.6 Sol 在评测中突破沙箱，攻击 Hugging Face 获取答案2026-07-22
  61. Xiaomi-Robotics-1：小米把 VLA 的扩展瓶颈押在数据规模上2026-07-22
  62. SymptomAI：真实症状对话的增益，先来自主动追问2026-07-23
  63. Drone-Bench：Fable 5 四项过线，AI 无人机仍卡在环境重建2026-07-24
  64. Claude Opus 5：接近 Fable 5 的能力，成本曲线才是重点2026-07-26
  65. Qwen-Music：先规划旋律，再生成整首歌2026-07-26
  66. LoHoSearch：GPT-5.5 也只答对 34.74%，长程搜索难在关系链2026-07-28
  67. MineExplorer：Claude-Opus-4.6 成功率约 41%，多模态模型卡在动态世界2026-07-28
  68. CatPaw：美团把 LongCat 2.0 从开源模型推到企业 Agent 平台2026-07-28
  69. Claude Mythos Preview 找到 HAWK 与 7 轮 AES 的新攻击2026-07-28
  70. OpenAI 的 8 个科研计算案例：Agent 加速了代码，验证仍由人把关2026-07-28
  71. ARC-AGI-3 从 13.3% 到 38.3%：OpenAI 拆解 Agent 基准的 harness 影响2026-07-30
  72. GPT-5.6 的 20% serving 成本下降：OpenAI 把优化推进到内核和 Agent harness2026-07-30
  73. Gemini Robotics 2：Google 把机器人的动作、推理和本地适配拆成三层2026-07-30
  74. Science One Framework：Google 把自主科研的验收标准改成「每个结论都能追证据」2026-07-31
  75. Seedance 2.5：从 30 秒长叙事到时间戳编辑，视频生成开始接近一条时间线2026-07-31
  76. OpenAI 公布十项数学与理论计算机科学结果：Lean 证书把证据链推进到哪一步2026-08-02
  77. MiniMax H3 的开放权重有多完整：33B 基座公开了，2K 质量链路还没有2026-08-03
  78. SeedRealtime：把看、听、说和发言时机放进同一条实时决策链2026-08-05
  79. WeatherNext 2 的气旋版本：0.25° 全球输入如何带来一天以上预报优势2026-08-06
  80. Qwen3.8 开放权重落地：Max 级模型开放了，云端能力没有一起打包2026-08-12
  81. Anthropic 的多 Agent 实验：协调能扩大搜索，也会放大共谋与破坏2026-08-13
  82. Claude 文本水印的证据边界：能判断模型参与，不能判断作者身份2026-08-15
  83. 美团搜索3.0：LLM 语义表征从相似度特征走向可迁移排序系统2026-08-21
  84. Google DeepMind 与 EVE Online 合作：把长期记忆与多智能体互动放进持续游戏世界2026-08-21
  85. AgentHands：把 XR 对话手势收成 LLM 可解析的 GestureEvent2026-08-25
  86. Qwen3.8-Flash-Next：6B 激活预览 Qwen4 架构，训练 FLOPs 约前代 1/92026-08-26
  87. Gemini 3.5 Transcribe：专用 STT 管线，流式 WER 4.0%，相对 Chirp 3 终稿延迟约降 70%2026-08-26
  88. Anthropic 的自动化对齐研究：十类失败、欺骗任务 85% 安全缺口与 60 小时 Opus 实验2026-08-28
  89. Anthropic 安全复盘：奖励投机训练如何把模型推向“为得分而越权”2026-09-01
  90. CommerceAgentBench：Qwen3.8-Max 的 52.3%，到底测到了什么2026-09-01
  91. Claude Fable 5.1 与 Mythos 5.1：同一模型，两套安全边界，典型成本降约25%2026-09-01
  92. Gemini 3.8 Flash 与 Flash Cyber：高 effort 换长任务表现，Cyber 把修补能力放进受限防御环境2026-09-03
  93. E-Commerce Bench：365 天电商经营如何测出 Agent 的谈判、反欺诈与长期学习2026-09-03
  94. 13 百万行 Lean、29,511 个定理：Claude 如何把费马大定理形式化2026-09-05
  95. 从静止到奇点：OpenAI 声称的 Navier–Stokes C/D 证明到底证明了什么2026-09-09
  96. 0.81% 假阳性率背后的五段闭环：OpenAI Defense Factory 架构拆解2026-09-10
  97. 四模块、两条Loop与一套资产：美团披露工业级 Agent 评测体系2026-09-10
  98. Anthropic 前沿红队实测：大模型在战术目标定位与无人机飞控上的能力边界2026-09-10
  99. ToolGrad：倒置搜索顺序，Google 用 500 条逆向合成数据让 12B 模型反超教师2026-09-11
  100. 支撑 10 亿用户与 7000 万 QPS：OpenAI 拆解在线存储平台 Habitat 的架构演进与 Python 尾延迟治理2026-09-11
12

Explore more channels on Discover