跳到正文

#推理

今日 2 条
今天11月18日周三
  1. AWS Machine Learning Blog61

    ArisGlobal 如何在 Amazon Bedrock 上扩展生成式 AI 推理

    ArisGlobal 在 Amazon Bedrock 上通过前置并缓存共享提示词前缀,在不让成本按比例增长的情况下扩展多租户生成式 AI 推理。实现使用 Anthropic Claude Sonnet 4.5,此前共享前缀 6 个月增长约 150%,每案例推理成本增加超过 200%;调整后典型请求 65% 的输入 token 由缓存提供。

    推荐理由:原文用生产指标说明调整缓存对象能降低输入成本,并提供多租户场景下可迁移的请求排序和缓存监控经验。

11月17日周二
11月16日周一
11月14日周六
11月13日周五
  1. Microsoft Research43

    Microsoft Research Focus 第 98 期:AI 语音翻译、KLS 猜想证明及编码智能体优化

    Microsoft Research 发布第 98 期研究简报,涵盖 AI 语音翻译进展、31 年未解的 KLS 猜想证明及编码智能体效率优化。针对长会话中上下文压缩导致的高成本问题,新提出的 APEC 方法在评估中降低了 25.4% 的成本和 9.6% 的执行时间。此外,研究还介绍了跨 104 种语言的 Latent Core Tokenizer 技术,旨在提升多语言模型性能。

  2. Google DeepMind85

    Google DeepMind 发布 Gemini 4 Hydrogen

    Google DeepMind 今日发布 Gemini 4 Hydrogen 模型,面向 Google AI Studio、Gemini API、Gemini app、Search 等全员开放,默认高思考层级在 Artificial Analysis Intelligence Index 获 51 分超越 Argon 的 50 分。

    推荐理由:Gemini 4 Hydrogen以统一价格和四档思考层级面向全员开放,开发团队可据此权衡不同智能体任务的成本与延迟。

11月11日周三
  1. AWS Machine Learning Blog43

    Amazon Bedrock 上线月之暗面 Kimi K3.1 Pro Highspeed

    月之暗面 Kimi K3.1 Pro Highspeed 现已在 Amazon Bedrock 上线,该模型基于 Kimi K3 后训练,拥有 3T 级开源权重架构和 100 万 token 上下文窗口。其输出速度比 Kimi K3.1 Pro 快 2-3 倍,支持工具调用、结构化输出及可配置推理,并可通过 Flex 层级以半价降低成本。

  2. Google DeepMind83

    Gemini 4 Carbon 现已开放

    Google DeepMind 今日开放 Gemini 4 Carbon 模型,提供前沿网络安全与长程代理工作流能力。该模型在 CursorBench 4.0、WANDR 等基准排名第一且任务成本低于次优外部模型一半以上,通过 AI Studio API 以与 Gemini 4 Argon 相同价格($2/$10 per M tokens)开放。

    推荐理由:Gemini 4 Carbon定价与Gemini 4 Argon一致,但面向更复杂编程与科研任务,开发者可对比二者选型。

11月10日周二
  1. AWS Machine Learning Blog69

    AWS 上线 Claude Fable 5.2 与 Mythos 5.2 模型

    今日,AWS 宣布在 Amazon Bedrock 和 Claude Platform on AWS 上提供 Claude Fable 5.2 与 Claude Mythos 5.2 模型可用。

    推荐理由:本文介绍Claude Fable 5.2在Bedrock上的可用性与拒绝重试缓存计费方式,并给出迁移技能,便于开发者降本和升级。

11月9日周一
11月7日周六
11月6日周五
  1. Hugging Face Blog55

    AI2 发布 ToyBlocks 受控机器人学习与评估模拟框架

    AI2 发布 ToyBlocks 受控机器人学习评估模拟框架,开源模拟资产、自动化演示生成器与 85,336 条长程演示数据。该框架支持隔离高低层失败原因并测试 VLA 空间泛化,真实 FR3 机械臂零样本堆叠成功率为 50%。此为 FoundationWorlds 首个环境,几周后计划发布更大数据集与 RL 训练能力。

11月4日周三
  1. Hugging Face Blog52

    StateBench:测试大语言模型在长文档中追踪状态变化的能力

    StateBench 是一个测试大语言模型长文档状态追踪能力的基准。它设四级难度,评估显示 Gated DeltaNet 与混合架构直接训练后泛化远优于 transformer,而 Gemini 3.8 Flash、Claude Opus 5.5、GPT-6 Sol 和 Luna 在难任务上随输入变长准确率跌至 13% 以下。该基准提供开源数据与代码,助力研究者定位模型缺陷。

10月29日周四
  1. Google DeepMind68

    Google DeepMind 发布 Gemini 4 Carbon 前沿模型

    Google DeepMind 发布 Gemini 4 Carbon 前沿模型,这是其当前最强模型,在网络安全与长程智能体任务上达到 SOTA。模型在 SEC-bench Pro 获 88.2%、ExploitGym 54.8%、CWE-bench 71.0%,定价与 Argon 相同为每百万输入 token $2、输出 $10,本周起向部分网络防御者开放。

    推荐理由:相较两周前发布的 Argon,Carbon 在网络安全与对齐基准上显著提升,读者可关注其通过 Fairwind 计划逐步开放的节奏。

10月28日周三
  1. Google Research57

    Google 提出 sleep 框架:LLM 在持续学习中保留知识的新方法

    Google Research 提出 sleep 框架,通过交替主动交互与离线记忆整合使 LLM 持续学习新事实且不灾难性遗忘。该框架利用 MoE 参数扩展与知识蒸馏将短期上下文固化为长期参数,在 BABILong 基准上实现 10M tokens 长上下文近完美缩放,并在 AIME 24/25 与 HMMT 25 推理任务取得 79.2%、69.0%、46.1% 精度,优于 SFT 等基线。

10月27日周二
10月24日周六
  1. AWS Machine Learning Blog52

    Amazon SageMaker AI 多轮强化学习动手指南

    AWS 官方博客发布在 Amazon SageMaker AI 上实践多轮强化学习(MTRL)训练智能体的动手指南,以 Wordle 展示从部署到评估的端到端流程。实验将 gpt-oss-20b 在保留词上的解决率从 61% 提升至 84%,训练 token 费用约 $339。教程指出同一管道适用于公开模型未训练过的内部多步任务。

10月23日周五
10月22日周四
10月21日周三
  1. NVIDIA Blog70

    NVIDIA 发布多款开放模型推进欧洲跨行业主权智能

    NVIDIA 发布 Nemotron 3.5、Kumo、Cosmos 3.5 等多款开放模型推进欧洲跨行业主权智能,覆盖语言、机器人与量子等领域。企业可用本地数据定制并部署在自有设施,模型已在 Hugging Face 等平台提供。此为 NVIDIA 欧洲公告的一部分。

    推荐理由:NVIDIA发布一系列覆盖语言机器人生物量子等领域的开放模型,企业可用本地数据定制并部署在自有基础设施上。

  2. Hugging Face Blog69

    FairStress:更深入评估大语言模型决策公平性

    Ai2 发布 FairStress 基准,用于衡量大语言模型在影响人的决策中超越最终选择的群体公平性。该基准包含 300 个双候选决策场景,结合对抗前缀扩展至超过 13 million 测试案例,实验显示模型受挑战时放弃正确决策存在群体不对称,这是 Ai2 开放评估工作的一部分。

    推荐理由:该基准通过引入对抗前缀与身份变量测试决策稳定性,揭示标准公平性评测忽略的隐藏不对称,为干预提供新评估工具。

10月20日周二
10月16日周五
10月15日周四
  1. Hugging Face Blog67

    Apertus 1.5 发布:8B 与 70B 开源模型新增图像音频理解、思考模式与 262k 上下文

    Apertus 项目发布 1.5 版 8B 和 70B 开源模型,新增图像音频理解、思考模式、262,144 token 上下文及更强工具调用。模型权重于2026年7月24日以 Apache 2.0 许可发布在 Hugging Face,全程开放训练数据与细节。

    推荐理由:Apertus 1.5以早期融合将图像音频转为离散token,训练细节全开放,研究者可复现各阶段对多模态能力影响。

10月14日周三
  1. Google DeepMind76

    Google DeepMind 负责任地安全开发 Gemini 4 Argon

    Google DeepMind 介绍了 Gemini 4 Argon 的负责任安全开发措施,该模型今日开始广泛推出并扩展 Fairwind Program。其安全防御涵盖误用预防、实时错位监控与提示词注入抵抗,端到端网络攻击模拟解决12个场景,IPI基准攻击成功率降至0.7%。这些是 Google 前沿模型能力落地构建的多层防护实践。

    推荐理由:原文给出了Gemini 4 Argon在误用与错位监控上的具体防御方案,读者可了解前沿模型安全部署的实操路径。

  2. Hugging Face Blog65

    LFM2.5-24B-A2B发布:24B参数MoE仅2B活跃,支持端侧私有智能体

    LFM2.5-24B-A2B发布,一个24B参数MoE推理模型,仅2B活跃参数,专为端侧快速私有智能体设计。该模型在LiveClaw智能体基准得分48.09,高于Qwen3.6-35B-A3B的38.19,并在Apple M5 Max上实现184 tok/s解码速度。它基于LFM2-24B-A2B架构,将上下文窗口从32K扩展至131K tokens,今日起在Hugging Face开放权重。

    推荐理由:该24B参数MoE模型仅2B活跃参数,在智能体任务上接近参数多50%的Qwen3.6-35B-A3B,并支持端侧184 tok/s运行。

  3. AWS Machine Learning Blog65

    在Amazon Bedrock上用Grok 4.7构建长周期智能体

    AWS教程在Amazon Bedrock上用Grok 4.7构建长周期工具调用智能体,三个搜索任务72次运行答对67次。xhigh级别18次全对,low级别以约八分之一输出token答对15/18,文章给出了按请求设置推理努力与监控token用量的实践方法。

    推荐理由:原文给出了在Amazon Bedrock上构建Grok 4.7工具调用智能体并评测推理努力级别的方法,读者可迁移到自有任务做成本与质量调优。

  4. Google DeepMind84

    Google DeepMind 发布 Gemini 4 Argon 前沿模型

    Google DeepMind 发布 Gemini 4 Argon 前沿模型,今起全球开放用于编码金融法律等复杂任务,每百万输入 token $2、输出 $10。该模型在 Vals Index 经济领域基准排名第一,内部使用将智能体代码提交提升超 35%。此为 Gemini 4 家族首款发布的模型。

    推荐理由:原文给出Gemini 4 Argon的全球可用入口与定价,读者可对比其在多项基准对经济领域的领先表现。

  5. Google DeepMind70

    Google DeepMind发布Gemini 4 Argon物理推理模型用于机器人学

    Google DeepMind发布Gemini 4 Argon通用物理推理模型,其在ERQA基准纯推理得分87%超过所有其他前沿模型,可应用于机器人全生命周期。文章给出机器人控制、Real2Sim仿真、物理理解与自改进四类代表提示词,覆盖从MuJoCo实操到视频世界模型 steering 等任务。该模型被视为加速通往物理AGI路径的重要里程碑。

10月13日周二
  1. Microsoft Research43

    Microsoft Research 发布 StudentSim:用于评估 AI 辅导系统的个性化学生模拟器

    Microsoft Research 推出 StudentSim 系统,利用去标识化公开数据训练个性化 AI 学生模拟器,以在真实测试前评估 AI 辅导效果。该系统通过 StudentSimEval 基准在数学、英语写作和棋类任务中表现优于现有基线,提供了有效的训练反馈信号。此举旨在解决人工学生研究成本高、周期长的问题,加速 AI 辅导系统的研发迭代。

© 2026 SI·Hot · Super Intelligence Hot · 超级智能热点 · 网站数据均来源于网络公开资料,版权归来源方所有