按时间排列的全部内容。默认只显示通过双重评分的入选条目；切换到“全部收录”可以检索所有抓到的资料。
2,351 条收录动态，更新于 07:01
全部收录包含没有通过评分的资料，标题以常规字体显示并标为“未入选”，只供检索，不写入选理由。
alphaXiv 宣布作者可绕过 arXiv 等待期，直接在其平台发布论文，特点是速度快、不需要 endorsement（背书），并依靠评论、收藏和关注研究者等社区机制帮助论文触达目标读者。该发布方式与 arXiv 不互斥，论文之后上传到 arXiv 时，平台可在后台合并两个 alphaXiv 链接。官方给出了一篇直接发布于 alphaXiv 的示例论文。
the arxiv holds are insane, one of our papers has been on hold for like 1.5 weeks at that point we might as well just upload it on our own website instead of arxiv 🤷♂️
作者用 9 个品类共 31 条 query 实测腾讯元宝搜索，每次返回 10 条结果，认为其在政府、统计局等权威信源和金融时效性上表现较好，且直接返回正文可减少 Agent 的抓取调用。
Nathan Lambert 在哈佛 CS 2881R「AI 安全」的客座讲座视频发布，他判断开源模型落后闭源前沿约 3 到 5 个月且差距在缩小，中国开源模型在性能、下载量、论文引用上全面领先，美国开源模型又比中国落后 3 到 4 个月。他认为蒸馏被高估、不是关键问题，美国真正持久的优势是算力，前五家实验室总算力平均是中国前五家的 16 倍。
Nathan Lambert 哈佛讲座：开源模型现状全景，中国开源全面领先，但美国有 10 倍以上的算力优势；蒸馏不是关键问题 @natolambert 在哈佛大学 CS 2881R「AI 安全」的客座讲座，他认为：开源模型落后闭源前沿大约 3 到 5 个月，差距还在缩小。性能、下载量、论文引用这三方面，中国开源模型全面领先，美国开源模型又比中国落后 3 到 4 个月。核心判断有三点：把"蒸馏"当成核心问题是高估了；美国真正持久的优势是算力；禁止开源只会损害经济活动，挡不住坏人。 https://natolambert.com/slides/2026/harvard/lecture.html 什么是开源模型，许可证是关键 · 开源是一个光谱：从只开放权重（Llama、Qwen、DeepSeek、Kimi、GLM），到连数据和代码都开放的完全开源（OLMo、Pythia、SmolLM、Marin），Nemotron 处在中间。 · 宽松许可证：MIT（DeepSeek、GLM-5.2、MiMo），Apache 2.0（Qwen、gpt-oss、Gemma 4）。 · 自定义许可证带附加条件，并不算开源：营收门槛（Kimi K3、Muse Spark Open、MiniMax M3 的年营收门槛是 2000 万美元，GLM-5.3 超过 100 亿美元要做安全审查）、品牌露出要求、使用限制。这些条款大多还没有在法庭上检验过。 为什么要开源 支持开源的力量来自几个方向：资本（把互补品变成廉价商品）、科研和教育、防止权力集中、自由。按 Bill Gurley 的说法，开源也是"第二名的自然选择"，用来抢市场和分发渠道、获得软实力。中国实验室集体走向开源，是为了在西方 AI 圈获得存在感；DeepSeek R1 之后，小米、美团、蚂蚁等也纷纷入场。企业用开源模型来"拥有自己的模型"，例如 Harvey 在 Kimi K3 上做法律方向的后训练，全部通过率接近翻倍，成本基本不变。 竞争力 · 2026 年，1T 参数以下就算"小模型"了。新近的强模型：小米 MiMo-V2.6-Pro（总参数 1T、激活 42B，Artificial Analysis 指数 46）、DeepSeek V4.1 Flash（763B，45）、MiniMax M3.1 Flash（42，第三方测评低于官方宣传）。 · 关于"刷榜"：中国模型确实更看重公开榜单，长尾能力也不如美国模型全面。但他花了半年时间，也没找到能证明头部开源模型（Kimi、GLM、DeepSeek）有明显缺陷的分析。 · 开源模型依然锚定着性价比的最优区间，不过闭源厂商现在也开始在这个区间竞争。 蒸馏之争（全篇最有观点的部分） · 训练分三个阶段：预训练、中期训练和 SFT、强化学习。蒸馏主要发生在 SFT 阶段，而现在强化学习消耗的算力已经超过预训练。 · 现在说的"蒸馏"其实是对抗性蒸馏：想办法从 API 里套取被隐藏的推理过程。中国不少实验室有专门的团队做这件事。 · 他认为不值得把它当成焦点：公开研究并没有显示用推理过程做 SFT 能带来巨大提升；没有好的政策手段可以只针对中国而不伤害全球开源生态；中国实验室本身就很强，"快速跟进"本来就比开拓前沿省算力。小米公开直播了 MiMo-V2.6 的强化学习训练（约 150 万次 rollout，花费 347 万美元），就是不只依赖蒸馏的证据。 · 真正持久的优势是算力：美国前五家实验室的总算力平均是中国前五家的 16 倍；到 2026 年底，Anthropic 和 OpenAI 各有 5 GW 以上的算力，而中国头部实验室最多只有 100 到 200 MW。 使用情况 开源模型的推理量快速增长，本地模型下载在加速；Hugging Face 日均独立用户约 60 万。性能相近时，美国模型的采用量是中国模型的 2 到 5 倍，说明市场对美国开源模型有需求。他扫描了 37 万篇 arXiv 论文，Qwen 被提到的次数已经接近 OpenAI 的 GPT。总结是：性能、下载、科研三方面中国都领先，推理和后训练市场也主要是中国模型。 风险与治理 · AI 驱动的网络攻击已经真实发生，而目前公开的案例主要是闭源模型（Claude Code、Codex）被滥用。 · 想禁止开源模型，在现实中做不到（美国不可能建起有效的"防火墙"），而且十多家实验室都能在前沿一年左右的水平上训练模型，结果只会抑制经济活动。不少关于开源风险的说法被夸大了（比如虚假信息），但深度伪造这类风险确实被加速了。 · 建议：发布方按每个模型评估它带来的"额外风险"，并由国家统一风险标准，而不是让各家公司自己判断。开源模型对网络防御非常关键，因为公司的受信任访问项目没法覆盖整个经济。
Claude
让我的 @bot 帮我查一下外卖盒怎么折叠，用于我的 og:video。结果发现这项专利来自 1908 年 🤯
you should be using og:video
我的@warpsciences联合创始人Sol Reisberg的这个观点很重要——也是该领域专家的一篇好文。 https://www.linkedin.com/posts/solomon-reisberg-a1752b86_today-weve-announced-warp-sciences-kevin-share-7519082185396486144-3hkY/?utm_source=share&utm_medium=member_desktop&rcm=ACoAABI7TfMB1cfO4Iv4sXOhvj_8hPHpXSiSwDI
我在pstack指南里写了这个！ https://x.com/poteto/article/2097732320606507506
There’ll be times where you over-guide the AI. It knows better than you and is more intelligent than you. There’ll be times where you under-guide the AI. It can go off-track, have the wrong biases, or miss context. How well you manage this superpower is the #0 skill I look for.
有趣的是，Google似乎也在将内部命名从“AI”转向“SI”。 > “build_arena_andwise_si_comparison”是一个与模型比较相关的内部字符串。 这会进一步扩散吗？ - ✅ SpaceXSI - ✅ MSL - ✅ SSI - 👀 MAI > MSI？ - 👀 OpenAI > OpenSI？ - 👀 Apple Intelligence > ASI？
DynaFlow 将自由形式的可执行工作流合成纳入主智能体的动作空间，由主智能体自行决定何时协作，并生成按顺序或并行调度子智能体、进行结构化信息交换与验证的任务程序。
研究者提出 ParetoRSI-Gym，让智能体在数学、代码、金融、医学、科学五个领域内自行搜索并筛选数据、训练模型、读取各领域结果并迭代，除数据外其余条件固定，并用各领域的泛化基准区分能力提升与对优化分数的过拟合。
研究团队推出 Continual Learning Exam（CLE）基准，由 50 余位领域专家构建 120 个人工撰写任务，每个任务分五级阶梯共 600 级，覆盖 12 个职业领域的 89 个专业角色，智能体须逐级通过才能解锁下一级。
一项研究在四个基准上测量了推理强度档位对闭源与开放权重模型的反事实影响，覆盖单次调用推理和长程智能体任务。结果显示，更高推理强度虽能提升总体准确率，却常在低档位能解的任务上失败；在各级都能解决的简单任务上，最高档成本可达最低档的 42 倍。
研究团队提出 h1，一个给模型提供 Lean 4 高效接口、依靠验证器反馈与自我反思持续尝试的简单 harness，不预设分解或搜索结构。
入选理由对做形式化证明的研究者来说，这篇给出了一个反直觉的对照结果：简单智能体循环加高效 Lean 接口，可能比人工设计的分解与搜索流程更划算。
一项跨多个基准与模型骨干的大规模评估发现，许多专用记忆系统在不少情况下不如朴素 RAG，净价值为负。研究以 RAG 为参照，把记忆的净价值拆为收益（memory benefit）与损耗（memory tax），后者源于记忆过程对原始信息的重组可能删除或遮蔽证据。作者表示将开源代码与结果。
🎸🎸🎸
Computer mapped all 92 places Johnny Cash names in "I've Been Everywhere," pinning each one as he sings it. Sound on.
你会让 @bot 在周末工作吗？
南京大学与上海 AI 实验室的 Changlian Ma、Limin Wang 提出 AutoTavern，由多个专职 LLM 研究智能体通过带类型的共享研究记忆和五道验证门协作，在 20 天内注册约 1 万次实验、交付 23 个 TavernAgent 版本，并构建出复现《炉石传说》酒馆战棋 36.6.3 版本全部 978 个游戏对象的模拟器 TavernGym。
概率领域多家头部期刊暂停接收新投稿，以应对“Mathpocalypse / Slopwave”。一篇高被引自闭症论文因数据重复问题被发布关注声明，Cell Press 正调查其主编被指索取作者贿赂一事。Retraction Watch 数据库撤稿量已超 67,000 条，Hijacked Journal Checker 收录条目超过 450 个。
由 Abhinav Nellore、Johannes Schmitt、Soledad Villar 和 Rachel Ward 发起的 oai-math-revised 项目，旨在改进 OpenAI 数学文稿中难以理解、引用不完整的问题，并邀请学生、博士后、教授及爱好者参与。
一项由 Google 资助的研究让专利律师先借助 Google Labs 未发布的 AI 助手 InFlow 起草专利权利要求，再在不使用 AI 的情况下完成 redlining（审阅修改现有专利草稿），由独立律所的盲审专利律师按可执行性、技术准确性、策略模糊性、完整性和清晰度五项打分。
中国标准化研究院近日发布《自主实验室标准体系前瞻框架与实施路线报告（2026）》，首次提出自主实验室标准体系前瞻框架与分阶段实施路线。报告提出围绕实验室术语、设备接口、实验数据等方面推进标准研制，让不同设备和软件更易连接协同、数据更易共享与追溯，以减少重复开发和建设成本。中国标准化研究院正联合高校、科研机构和企业推进相关标准研究，目标是推动自主实验室从示范探索走向更广泛应用。
试试 Grok @Bot
Stuart Varney: What is this Grok @Bot? You use it. Phil Rosen: I am using it. @Varneyco: Who puts it out? What does it do? Rosen: This is @elonmusk’s frontier lab. I will share personally, I was on Claude for the last year or so, and I would use Claude, ChatGPT, and a little bit of Muse in the last few weeks. Since I started to use Grok Bot this month, I have essentially cut all my other AI tools. Varney: What's so good about it? @philrosenn: It's essentially your own staff of AI agents. You can have a chief of staff agent managing your other AI agents, which, again, I get it, sounds a little ridiculous, and I tell my friends and my parents this and they don't understand, and I have to walk them through it on a Zoom call. I use Grok Bot for a lot of content creation now. I use it for some fact-checking stuff, some editing, research. I use it for helping me with my calendar.
符号学习有效
OpenBMB 发布关于长程智能体执行中端云协作的系统研究，用 EC²-Bench 在 128 个可执行任务上评测四种协作策略，同时衡量任务完成度、资源成本与隐私暴露。
研究团队提出 AlphaIdeaBench，用 100 个构思任务（50 个 NeurIPS、ICML、ICLR 2023–2025 研讨会征稿与 50 个综述中作者自述的开放问题）在统一资源预算和 JSON 提案格式下评测科研构思智能体，并按有效性、新颖性、可行性 12 个维度打分。
《自然》第658卷8137期导读收录三项研究：机电超材料中观测到波粗化并形成时间晶体；IV–V族体心立方难熔合金在20 K下屈服强度与断裂韧性呈平台、无明显韧脆转变；字节化方法可将现有子词模型改造为字节级大语言模型，性能接近子词模型并擅长字符级推理。
时间线上对 Kimi 3.1 的正面反响不多。如果你有时间试过这个模型，你的印象如何？（我还没试）
补充一下 👀：Perplexity 发布了 pplx-decider-flash-v1.2 决策模型，以 Mac 应用形式在本地提供决策 API。 该模型占用 5.8 GB 空间，需要 16 GB 内存。 100% 真实 🤖
You can now run pplx-decider-flash-v1.2 locally on your Mac, without an API key. Decider for Mac is an app that runs the 4B decision model on device. Ask a question about text or an image and get a probability back, all on your machine. https://pplx.ai/decider-for-mac
