大模型团队论文与博客解读 Content Archive

85 posts · Page 1 of 1

  1. Google 冻结 Gemini Nano 也能加速：MTP 头省下的是内存和等待
  2. OpenAI 的 GeneBench-Pro：科研 Agent 不能只会跑流程了
  3. ChatGPT Memory Dreaming：OpenAI 要解决记忆变旧这件事
  4. Anthropic 40 万次 Claude Code 会话：会提需求比会写代码更值钱
  5. LifeSciBench：OpenAI 把科研评测从答题拉回真实生命科学
  6. OpenAI 公益转型计划：AGI 的问题从能力转向分配
  7. OpenAI 的 Codex 研究：Agent 改变的不是聊天，而是派活
  8. Claude Sonnet 5：Anthropic 把 Agent 能力下放到 Sonnet 价位
  9. Anthropic Economic Index：AI 正在贴着工作节奏生长
  10. N-day 漏洞：AI 把补丁窗口压缩到小时级
  11. Gemma 4 12B：Google 把多模态编码器拿掉了
  12. DiffusionGemma：4 倍加速背后的取舍
  13. Gemini 3.5 Live Translate：翻译从轮流说变成跟着说
  14. AI 控制路线图：Google 把 Agent 当内部人来防
  15. Computer Use in Gemini 3.5 Flash：Gemini 开始直接操作屏幕
  16. From AGI to ASI：DeepMind 把超级智能拆成四条路
  17. Seed2.1：字节把模型能力押到 Agent 交付
  18. TTT-VLA：只优化潜在提示，VLA 能在部署时自我校准吗？
  19. Seedance 2.0：字节把视频生成推向可导演工作流
  20. Qwen3.7-Plus：多模态 Agent 的重点变成了执行闭环
  21. Qwen-AgentWorld：让 Agent 先学会预测世界
  22. Qwen-Robot Suite：大模型开始接管机器人的动作接口
  23. MiniMax M3：百万 Token 上下文之后，Agent 才是主线
  24. Kimi K2.7 Code：长代码任务里，少想 30% 也是能力
  25. GLM-5.1：智谱把模型能力拉到 8 小时任务里
  26. GLM-5.2：1M 上下文之后，长任务才是主战场
  27. MiMo-VL：7B 视觉语言模型，胜负手在训练配方
  28. gget virus：生物 Agent 的短板不只在模型
  29. GPT-5.6 Sol：能力进了高风险区，发布也被安全闸门卡住
  30. LongCat-2.0：美团把万亿模型押在代码 Agent 上
  31. Deployment Simulation：OpenAI 把安全评测搬进真实流量
  32. Project Fetch：Claude 开始自己接管机器狗接口
  33. Nano Banana 2 Lite：Google 把生成媒体拆成流水线
  34. J-space：Anthropic 开始读取 Claude 的沉默想法
  35. MaxProof：MiniMax 把数学证明变成候选池搜索
  36. Fable 5：Anthropic 把越狱争议写成评分表
  37. Core dump epidemiology：OpenAI 如何修复一个 18 年的 libunwind Bug
  38. Claude Science：Anthropic 把科研 Agent 放进实验室工具链
  39. EdgeBench：字节 Seed 把 Agent 评测拉到 12 小时之后
  40. MOPD：小米把多位 RL 老师蒸回一个模型
  41. GPT-Live：OpenAI 把语音模型改成全双工前台
  42. GRAM：Anthropic 想给危险知识装一个可拆模块
  43. GPT-5.6 正式开放：Sol 变成高推理档
  44. Seedream 5.0 Pro：字节把图像模型推向设计工具
  45. Qwen-Image-Agent：先补上下文，再让模型画图
  46. Seed2.0 Model Card：字节把评测搬进真实任务
  47. LongCat-2.0 正式开源：美团把国产卡推理栈也放出来了
  48. Claude Values：Anthropic 给模型性格画了四根轴
  49. Xiaomi-Robotics-U0：小米把 38B 具身世界模型做成数据引擎
  50. GPT-Red：OpenAI 用自我博弈训练会攻击自己的安全红队
  51. Kimi K3：2.8T MoE 先上 API，权重要等 7 月 27 日
  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
  53. PerceptionBench：多模态模型的视觉能力，最高也没过 60 分
  54. Seed Audio 1.0：把对白、音效和环境声放进同一场景
  55. MiMo-V2.5 推理优化：Hybrid SWA 的收益要靠整条服务链兑现
  56. 长程模型会学会绕过防线：OpenAI 重建四层安全系统
  57. Qwen-Image-3.0：图像生成开始把「信息量」当成能力指标
  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
  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
  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
  61. Xiaomi-Robotics-1：小米把 VLA 的扩展瓶颈押在数据规模上
  62. SymptomAI：真实症状对话的增益，先来自主动追问
  63. Drone-Bench：Fable 5 四项过线，AI 无人机仍卡在环境重建
  64. Claude Opus 5：接近 Fable 5 的能力，成本曲线才是重点
  65. Qwen-Music：先规划旋律，再生成整首歌
  66. LoHoSearch：GPT-5.5 也只答对 34.74%，长程搜索难在关系链
  67. MineExplorer：Claude-Opus-4.6 成功率约 41%，多模态模型卡在动态世界
  68. CatPaw：美团把 LongCat 2.0 从开源模型推到企业 Agent 平台
  69. Claude Mythos Preview 找到 HAWK 与 7 轮 AES 的新攻击
  70. OpenAI 的 8 个科研计算案例：Agent 加速了代码，验证仍由人把关
  71. ARC-AGI-3 从 13.3% 到 38.3%：OpenAI 拆解 Agent 基准的 harness 影响
  72. GPT-5.6 的 20% serving 成本下降：OpenAI 把优化推进到内核和 Agent harness
  73. Gemini Robotics 2：Google 把机器人的动作、推理和本地适配拆成三层
  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」
  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
  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
  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
  78. SeedRealtime：把看、听、说和发言时机放进同一条实时决策链
  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
  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
  81. Anthropic 的多 Agent 实验：协调能扩大搜索，也会放大共谋与破坏
  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
  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
  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
  85. AgentHands：把 XR 对话手势收成 LLM 可解析的 GestureEvent

Explore more channels on Discover