分类：大模型
309 条DeepSeek 发布 Super-agent 双层 Agent 架构
AI 摘要DeepSeek Harness 团队发文介绍 Super-agent 设计探索，提出双层架构、事件驱动、异步多信道交互、存算分离与外部 Watchdog 等思路，突破多任务与团队协作的规模限制。该架构让系统接管会话管理与上下文同步，人只需做高层决策与验收。内部实例已持续运行，参与问题复现、代码审查与 Harness 自身迭代。
Memdoor 用 5 个 Qwen3.8-27B 智能体在 LiveCodeBench Hard 追平 Fable 5
AI 摘要开发者以 Memdoor 工作流复现 GVS5H 方法，用规划、构思、求解、管理等五个角色的 Qwen3.8-27B 智能体通过磁盘文件协作，在 LiveCodeBench Hard 前十题五轮测试中平均得分 9.8，高于原作者 harness 的 9.6 与 Fable 5 单模型的 8.0。作者提示样本仅 10 题、存在数据污染可能，50 次运行成本约 35.79 美元。
GPT-5.6 Sol 可在和平模式下击败《异星工厂》
AI 摘要Hacker News 讨论称 GPT-5.6 Sol 能够在《异星工厂》（Factorio）的和平模式下通关，引发 130 分热度与 134 条评论。该话题聚焦大模型在复杂策略游戏中的规划与执行能力，但属于社区讨论而非官方发布。
NKTg AI 推出先解码文本再生成的大模型
AI 摘要NKTg AI 在 Show HN 展示其 LLM 方案，声称在生成前先对输入文本进行解码处理。该思路试图在生成阶段前引入结构化理解，具体效果尚待验证。
Mistral 发布 Large 4 模型，瞄准企业网络安全
AI 摘要法国 Mistral AI 发布 Large 4（ML4）模型，具备先进编程与网络防御能力，可本地部署。模型总参数 1.05 万亿、激活约 520 亿，使用 3800 颗英伟达 Grace Blackwell GPU 在欧洲数据中心训练，主打以更少算力实现领先性能。
Claude 新模型曝光：Fable 与 Opus 新版本现身
AI 摘要有消息曝光 Anthropic 正在准备 Claude 系列的新模型，涉及新的 Fable 版本与新的 Opus 版本。目前尚无官方发布细节，属于传闻/爆料阶段信息。
ThinkJev 用快慢双系统按需思考，降低类型化决策成本
AI 摘要论文提出 ThinkJev，基于同一开源混合思考模型构建快慢双系统：System 1 直接读取选项字母概率，System 2 在缓存提示上思考后再读同一批字母，可复用同一次思考覆盖所有思考预算。在 5% 目标错误率下，Qwen3.5-27B 有 24.5% 的测试决策由 System 1 直接作答，实际错误率 3.9%。
Rubricon 自动生成评分细则提升 LLM 评测与训练效果
AI 摘要论文提出 Rubricon 流水线，无需人工偏好标注或评分细则注释即可自动生成有区分度的评分细则，通过采样、筛选、补充与剪枝迭代优化。在五个基准上其评分与专家细则的一致性比最佳替代方法高 9%，用其细则后训练 Qwen3.5-9B 在 HealthBench 上提升 4.5%。
单人研究者发布 Metis-1.6 双模型技术报告
AI 摘要独立研究者从零训练出 Praxis（2.94B 参数，每步激活 0.46B）与 Logos（10.23B 参数，激活 1.18B）两个模型，采用 Mamba-2 与注意力混合专家堆叠并重复两遍。Logos 在 40 项后训练基准平均 52.93，接近 Qwen3-4B，但训练数据量约为可比模型中位数的十二分之一，数学表现突出、代码与长上下文较弱。报告详述了优化器未生效、长度奖励符号反转等失败经验。
Bi-Phase Training：少参数高效预训练方法
AI 摘要论文提出双阶段训练 BPT，用可训练对角矩阵与低秩适配器组合出高秩权重更新并周期性合并进冻结基座，保留全参数优化的高秩学习动态。在 Qwen2.5 100M 至 1.5B 与 OLMo-2-1B 上，1.5B 规模可减少 66% 可训练参数而验证困惑度仅小幅上升。
英伟达发布Nemotron 3.5 Super与Lightning开源模型
AI 摘要英伟达推出Nemotron 3.5 Super（120B总参、12B激活的多模态MoE混合Mamba-Transformer）与Nemotron 3.5 Lightning（30B总参、3B激活的文本模型），面向推理、长上下文与智能体负载。Super经多教师在线策略蒸馏后SWE-bench Pro达51.78%，超过Nemotron 3 Ultra且激活参数少约4.6倍。
Keepace.ai 基于 Qwen3.5-27B 后训练发布运动健康大模型
AI 摘要Keepace.ai 是基于 Qwen3.5-27B 后训练构建的运动健康领域专用大模型，当前面向中文健身指导，覆盖训练计划生成、运动健康问答与个人运动数据分析三类任务。在专家设计的内部评分评测中，其在运动安全、边界合规、结构化输出完整性与科学准确性上优于基座模型及更大通用模型。
Fu-TCM 多模态中医大模型发布，六项基准领先
AI 摘要研究团队发布 Fu-TCM 多模态中医大模型，基于约 712 万条经典医籍、教材、医学影像与临床病例数据训练，并采用辨证锚定策略优化 BGPO 强化辨证推理。Fu-TCM-27B 在六项中医推理与图文基准上宏平均准确率 81.01%，领先最强参照模型 7.13 个百分点，辨证任务最大领先 11.90 分。
启元机器人推出 PrimeSim 世界模型，登顶 LIBERO 榜单
AI 摘要启元机器人发布面向机器人训练的世界模型仿真器 PrimeSim，并登顶 WorldSimProbe LIBERO 榜单。测试中利用其进行强化学习，策略成功率从 61.7% 提升至 73.2%。
谷歌 Gemini 4 Carbon 登顶 AI 排行榜，却未赢下华尔街
AI 摘要谷歌 Gemini 4 Carbon 在 AI 模型排行榜上登顶，但资本市场反应冷淡，文章分析其背后高昂的算力与研发成本代价。这反映模型榜单领先与商业回报之间的落差。