hiw3c 日报精选

星期一 · 10 条
  1. BestBlogs·AI 高分精选BestBlogs 精选23:38中文原文

    Perplexity 宣布面向自动研究系统的 Frontier Research 项目:动用 1,000 块 GPU 打造 AI 研究者

    📌 One-Sentence Summary Perplexity 承诺动用至少 1,000 块 GPU 用于构建自动化研究系统,聚焦多智能体编排与持续学习技术,计划开源模型与工具链。 📝 Summary Perplexity 宣布启动 Frontier Research 计划,这是一项以自动化研究员为目标的新项目,动用 10,000 块以上 GPU 计算资

  2. BestBlogs·AI 高分精选BestBlogs 精选21:23中文原文

    摩根大通如何用 Jarvis 搭建智能体开发流水线

    📌 One-Sentence Summary 摩根大通用 Jarvis 把开发、评估和治理编进一条可复用的流水线,做出新智能体后也能持续改进。 📝 Summary 摩根大通团队去年花了数月开发的那类智能体,现在可以在几分钟内搭起来。Jarvis 把共用的工程能力做成可替换的技能,围绕三种开发和运营周期组装。投资分析智能体是演讲里的例子。上线前,团队反复测试它

  3. BestBlogs·AI 高分精选BestBlogs 精选21:00中文原文

    推理账单被刷了怎么办?ChatPRD 创始人的反欺诈实战

    📌 One-Sentence Summary ChatPRD 创始人 Claire Vo 说,滥用抬高了她的推理账单,她因此调整了试用、技术防护和日常运营。 📝 Summary Vo 区分了盗用推理资源和测试盗刷卡。有人批量薅免费试用和优惠码,也有人用反向代理转发请求,或借自定义 MCP 服务器消耗算力。她解释了为什么明知会影响正常用户和销售线索,仍关闭试用

  4. BestBlogs·每日早报BestBlogs 精选14:00中文原文

    EP238 · Anthropic 改进安全评估、ArtCraft 重建软件、Wiz 谈持续攻防

    📝 今日导语 Anthropic 改进安全评估,ArtCraft 重建软件,Wiz 谈持续攻防:理解可靠 AI 的方法与取舍。 🏷 今日关键词: 安全评估 开放软件 持续攻防 具身智能 代码审查 📰 今日精选内容 Anthropic:如何构建强有力的安全评估 Anthropic Research · 文章 · 评分 90 ArtCraft:从复刻 Photo

  5. BestBlogs·AI 高分精选BestBlogs 精选10:55中文原文

    阿里巴巴推出 Qwen4 Max,智能体指数得分提升 9 分,成本下降约 11%

    📌 One-Sentence Summary 阿里巴巴的 Qwen4 Max 在人工分析智能体指数上得分 43 分,相比 Qwen3.8 Max 提升 9 分,任务成本降低约 11%,在知识工作、自动化和编码基准测试中显著提升。 📝 Summary 阿里巴巴推出 Qwen4 Max,得分 43 分,位列人工分析智能体指数榜单第三,仅落后 Kimi K3.1

  6. BestBlogs·AI 高分精选BestBlogs 精选10:21中文原文

    阿里巴巴通义 Qwen4-Max 登顶智能体竞技场,整体排名提升至第 14 位

    📌 One-Sentence Summary Qwen4-Max 以 7.5% 的净增长在 14.7 万个真实任务中实现突破,整体排名提升至第 14 位,成为智能体竞技场首位中文模型,推动阿里巴巴跻身全球人工智能实验室第 5 位身份。 📝 Summary 本次发布庆祝 Qwen4-Max 作为智能体竞技场领跑中文模型的崛起。该模型在 14.7 万个真实世界的

  7. BestBlogs·AI 高分精选BestBlogs 精选08:00中文快照

    借助位级零训练—推理偏差,在 TPU 上实现稳定的 On-Policy RL

    📌 One-Sentence Summary Google 推出 Zero-TIM,这是一种位级一致的训练—推理对齐技术,通过自定义 Pallas 内核和受控的规约顺序,消除采样器与训练器之间的数值差异,从而在 TPU 上实现稳定的 On-Policy RL。 📝 Summary 本文介绍 Zero-TIM(零训练—推理偏差),这项技术可在 TPU 上的 O

  8. BestBlogs·AI 高分精选BestBlogs 精选01:07中文快照

    修改 LLM 输出层中的一行权重,阻止模型过度思考

    📌 One-Sentence Summary 一种无需训练的方法通过线性探针检测模型何时已经得出正确答案,并修改 LLM 输出层中的单行权重来阻止过度思考,在保持准确率的同时最多可减少 54% 的 token 使用量。 📝 Summary 本文介绍了一种无需训练的技术,通过修改输出层中的单行权重来减少 LLM 的过度思考。该方法利用基于隐藏状态训练的线性探针