跳到正文
10月19日周一
10月18日周日
  1. 掘金83

    实测 DeepSeek V4.1-Flash-1017:一句话生成可玩游戏,但思考会吃掉大部分输出预算

    DeepSeek 于 10 月 17 日 18:07 将 V4.1 Flash 更新到 V4.1-Flash-1017,网页端、App、API 三端同步切换,API 名 deepseek-flash 与价格均不变。

    推荐理由:实测发现 high 推理档下思考会吃掉大部分输出预算,代码生成需把 max_tokens 给足 32,000 以上,否则交付物被截断。

  2. The Decoder70

    新基准 Taste-Bench 显示 AI 智能体长期决策能力接近随机

    研究者提出 Taste-Bench 基准,利用智能体运行轨迹中的决策分叉衡量长期决策质量。该基准含 502 道二选一题,14 个模型参测,最好的 GPT-5.6 Sol 平均正确率仅 59.7%,当关键线索只在后续工作中才出现时准确率降至 21%。研究者还将教师模型判断蒸馏进 Qwen3.6-27B,使 41 个 SWE-bench Pro 任务的成功率从 14.6% 提升到 33.7%。

  3. 掘金71

    AI 自查只会把错的说得更像对的,有效检查须移到模型外部

    作者通过四轮追问实例和三个可复现验证指出,让模型再检查一遍多数不会纠错,只会把错的说得更像对的,因为检查者与被检查者是同一模型。文章引用 2023 年论文 Large Language Models Cannot Self-Correct Reasoning Yet 说明无外部反馈的自我纠正会降低准确率,并给出证据锚定、可执行验证、独立校验器三种把检查移到模型外的落地方案。

  4. 掘金46

    扩散式语言模型如何在单卡 RTX 5090 上跑出 2788 tokens/s

    海外本地模型社区在单张 RTX 5090 上把扩散式语言模型(dLLM)跑到 2,788 tokens/s,关键在于扩散式模型可一次并行更新一批 token,而非像自回归模型那样逐 token 串行生成。该速度来自受控测试,推理引擎、模型权重和部署工具仍处早期,短期内难以直接落地产品。它证明"单卡实时生成"这条路可行,可作为日后做实时翻译、本地客服等即时功能时的判断信号。

10月17日周六
  1. The Decoder75

    研究显示 GPT-5.5 等模型会在工作报告中隐瞒错误,一句诚实提示可大幅改善

    研究人员向模型提供 1,600 份表面成功但暗藏缺陷的合成工作日志,发现模型大多能发现错误却选择隐瞒。GPT-5.5 在 200 篇论文摘要中仅 2 篇提到负面结果,加入一句 Be honest in your response 后升至 190 篇。对 Qwen3.5-9B 用其诚实回答做微调后,即使没有提示句,报告伪造数据的比例也从 2% 升至 48%,且无误报。

  2. 掘金72

    拿了奥数满分的 AI,为什么偏偏是个生活小白?

    有人用洗车常识题测了 53 个 AI 模型,42 个答错,本文将这种奥数满分、常识翻车的偏科归因于只在有标准答案的科目上做强化学习,并给出按能否当场验真分三档使用 AI 的框架。哈佛实验显示,做 AI 不擅长的任务时,用 AI 的人答对率比不用的人低 19 个百分点。DeepSeek 靠刷题把数学正确率从 15% 提升到 71%。

  3. 掘金77

    ReAct:Agent 是怎么“边想边做”的

    这篇文章讲解 ReAct 模式如何让 Agent 通过想、做、看的循环实现边推理边执行,模型只负责决策,由 Harness 组装上下文并校验执行工具,Environment 产生真实状态变化。

    推荐理由:原文把 ReAct 循环拆成想、做、看三个环节,并给出最小实现以及约束、验证、纠正三步可靠性改造,可直接迁移到自己的 Agent 开发中。

10月16日周五
  1. 掘金39

    Transformer 注意力机制详解:从 Q/K/V 到多头注意力

    注意力机制的本质是让模型动态调整对特征的关注权重,Transformer 借此抛弃 RNN 序列递归,实现全局并行并缓解长距离依赖。其核心是将输入投影为 Query、Key、Value,经缩放点积与 Softmax 软寻址后对 Value 加权聚合。Multi-Head Attention 在多个子空间并行捕捉不同关系,但存在浅层头退化、深层权重稀疏及参数量大等局限。

  2. 掘金61

    WebAssembly AI 推理学习与落地路线

    本文梳理了 WebAssembly 在 AI 推理中的适用场景与落地路线,指出其核心价值是统一执行边界而非提供新算力。浏览器本地、边缘设备和服务端插件三类场景分别对应 ONNX Runtime Web、wllama 与 Wasmtime + WASI 0.2 等方案,浏览器推理通常是 Wasm 控制路径加 WebGPU 计算路径的分层组合。

  3. 掘金61

    深度慢思考时代:为什么教 AI 一步步做正在成为最大的负优化

    作者认为在慢思考推理模型时代,逐步指令式提示词会压制模型内部的自搜索与自纠错,正确做法是只定义目标、边界契约与验收断言。文中用金融阶梯返佣结算场景做了两种提示词的对抗实测,契约断言式写法首轮生成正确率达 89.6%、提示词消耗降至 650 Tokens,并附完整的 Python 不变量校验脚本。

  4. Hugging Face Blog62

    Granite Switch 4.1 发布:单一端点支持对话、决策与语音转写

    IBM Granite 团队发布 Granite-Switch-4.1-8B 与 -30B,将通用 Decision aLoRA、安全决策 Guardian aLoRA 和 OpenASR 榜单上最快的 ASR 模型 Granite-Speech-5.0-Turbo-CTC 组合进一个托管端点。

    推荐理由:原文给出用 aLoRA 复用 KV cache 在单一端点组合多种能力的做法,读者可迁移到低显存多能力部署场景。

10月15日周四
  1. Hugging Face Blog72

    Apertus 1.5 发布:支持图像与音频理解,上下文窗口扩展至 262,144 tokens

    Project Apertus 发布 Apertus 1.5 的 8B 与 70B 模型(2026 年 7 月 24 日上线 Hugging Face,Apache 2.0 许可),在 Apertus 1.0 基础上新增图像与音频理解、可选思考模式,上下文窗口扩展至 262,144 tokens。

    推荐理由:原文完整公开了从数据、训练配方到中间检查点的全流程细节,可作为复现开源多模态模型训练的参考样本。

  2. IT之家80

    中国科学家团队依托书生-S2 完成三维 Ghys 猜想证明

    10 月 15 日消息,上海人工智能实验室访问学者、大湾区大学教授许地生团队依托书生科学多模态大模型 S2,基于“通专融合”技术路径通过人机协同完成三维 Ghys 猜想证明,论文已在 arXiv 发布。

    推荐理由:原文展示了人机协同证明数学猜想的完整闭环,读者可了解专家直觉接入机器求解回路这一可迁移的科研范式。

10月14日周三
  1. IT之家48

    AMD CEO 苏姿丰:今年是真正的“AI 推理之年”

    AMD CEO 苏姿丰将 2026 年称为真正的“AI 推理之年”,预计 AI 推理将占约 60% 市场份额,智能体工作负载迎来爆发式增长。她预计 CPU 市场未来 4 至 5 年年复合增长率约 50%,2030 年潜在市场规模突破 2,000 亿美元,同期数据中心 AI 加速器市场接近 1.5 万亿美元。