网易有道周枫：AI能力竞争，正在进入「Model + Agent + Workflow」时代，网易有道AI Open Day展示AI时代“有道解法”
9月16日，网易有道「NEXT，AGENT｜有道AI Open Day」在北京举办。
开源生态
开源模型、框架与仓库动态：权重开放、社区项目爆火、开源与闭源的力量消长。
已收录 399 条 · 近 30 天 287 条 · 第 12 / 17 页
-
-
罗福莉沉寂半年官宣小米强化学习！直播新模型训练过程，一小时烧3万美元
奖励曲线、显卡故障全公开
-
Nunchux AI推出VC-Attention：一个免训练的低位注意力核心，可加速视频扩散变形器
Nunchux AI发布了VC-Attention，这是一个为视频扩散变形金刚（DiTS）构建的免训练低比特注意力内核。它同时解决2个问题：值量化误差和缓慢的softmax阶段。为什么注意力是视频瓶颈视频DiT将剪辑压平为1个时空标记序列，并在每一层运行充分的自我注意力。A [.] Nunchux AI推出VC注意力：一种无需训练的低比特注意力核心，可加速视
-
OpenSec-一个轻量级且可配置的AI规范框架
HN ð21· 3 评论
-
斯坦福大学研究人员发布Paper2Agent：将研究论文转化为重现结果并在新数据上运行的人工智能代理
发表在《自然》杂志上的Paper2Agent将论文转换为经过验证的LCP工具，在74篇论文的300个问题上得分为91.2%。斯坦福大学研究人员发布Paper2Agent：将研究论文转化为复制结果并在新数据上运行的人工智能Agent的帖子首先出现在MarkTechPost上。
-
Knowledgator发布GLiFormer：一个575 M参数编码器，在不生成令牌的情况下在嵌套的杨森提取上达到91.10 F1
GLiFormer Large在嵌套的杨森上的F1评分为91.10，接近GPT-5.6-luna的91.96，同时将源跨度中的每个值接地。Knowledgator发布GLiFormer：一个575 M参数编码器，在不生成令牌的情况下在嵌套的杨森提取上达到91.10 F1。
-
利用开源代理技能改进HLCS人工智能推理
基础模型上的人工智能代理经常错误地应用医疗保健和生命科学决策框架，引用正确的指导方针，但应用错误。这篇文章分享了11个HCLS域中的38个开源代理技能，这些技能缩小了这一差距，包括安装步骤，三个工作用例，以及显示70-86%胜率的410提示评估。
-
我训练苍蝇的大脑来产生有线故事想法
我使用果蝇大脑的开源地图来构建一个名为PitchFly的网站。它的头条建议令人高兴。
-
反向工程的类似杰夫的模型
HN ð47· 8 评论
-
通用能力不打折，空间具身智能断层领先！ZDTaichu5.0-9B国产开源，跻身全球多模态第一梯队
九大空间测试10B规模通用模型中8项第一
-
Mistral X Firefox：私人、多语言人工智能浏览
HN76· 17 评论
-
Nums AI发布Causilo：在单一模型中超越TabArena的Tabular基础模型
Nums AI发布了Causilo，这是一个预训练的表格基础模型，用于分类和回归，具有scikit-learn接口。它在单一型号中排名第一，领先于谷歌的TabFM和LG的EXAONE Tabular。代码是Apache-2.0，而权重被授权用于非商业研究。The post Nums AI Releases Causilo：一个在单个模型中排名第一的TabAr
-
数据模仿-不要让您的编码代理发明自己的测试世界
HN ð44· 7 评论
-
被英伟达点名的杭州团队，补上了AI for Science的「最后一公里」
从想法到结果，一次对话实现
-
LACE：动态帧率编解码器的逐层压缩
作者：Thanapat Trachu、Samuele Cornell、William Chen|神经音频编解码器是语音语言建模的关键组件。然而，它们的高帧率导致序列长度长，从而增加了计算成本。动态帧率编解码器通过使用压缩步骤将多个帧合并在一起来降低有效帧率来缓解这一问题。然而，大多数现有方法要么在单码本编解码器上操作，要么应用单压缩
-
可验证的社会推理LLM助理
作者：Amir Taubenfeld、Zorik Gekhman、Avigail Grinstein-Dabush| LLM助理被广泛用于日常社会咨询，但在这种咨询环境中评估他们的社会推理仍然具有挑战性，因为（i）它需要设置助理从主观用户叙述中了解社会情况，以及（ii）社会属性，例如其他人的意图，通常缺乏可验证的基础事实。为了应对这些挑战，我们引入了收件箱，
-
Show HN：Pizza Bot -在后台工作的人工智能代理的收件箱
HN ð15· 4 评论
-
独家：支付前沿人工智能模型费用以5倍的成本获得4个月的领先优势
Ars预览了Firefox关于廉价开放模型如何追赶性能的报告。
-
Salesforce和Nvidia的新推理模型是人工智能实验室应该担心的一切
Salesforce Koa基于Nvidia的开放重量Nemotron模型构建，并接受过执行销售、营销和客户支持任务的培训。
-
无问芯穹联合清华、上交正式开源具身端侧推理引擎APXInf，Pi 0.5性能SOTA
卡位具身智能规模化落地“最后一公里”！
-
LLM生成了多少F-Droid？
HN ð56· 39 评论
-
英伟达开源 IMO 金牌配方：不仅是「人海战术」，1.5TB 显存做实 AI「 推恩令」？
用三套 checkpoint 完成多轮证明搜索，用过程透明平息学术怒火，用 1.5TB 显存门槛锁定算力霸权。名为代码平权，实则算力集权。 作者丨 郑佳美 编辑丨岑 峰 9 月 9 日，NVIDIA 公布了 Nemotron 3 Ultra 在 2026 年 IMO 上使用的整套数学推理系统。 这套系统最终拿到 30/42 分，超过当届 29 分的金牌线。整
-
Agent-net开源网络代理：将任何网站变成受保护的人工智能代理的Go Buttons
Agent-net是一个构建一个代理对代理市场的团队，人工智能代理可以在其中发现、信任并相互付费，该团队发布了WebAgent，这是一种开源工具，用于站立面向公众的商业代理。所以，基本上你给它你的网站，找到一个代理，然后让它与其他代理交谈。企业没有编写编排代码，而是填写[.]帖子Agent-net开源网络代理：将任何网站变成受保护的人工智能代理的Go But
-
工作流可以自我进化了，英伟达开源 SoL-Pi，每小时省13.5刀！
Token 砍半，活没少干，每小时还省13.5刀！ 作者丨 高允毅 编辑丨岑 峰 最适合鞭打AI干活，还得是 AI 啊。 英伟达今早开源了一套提高工作效率的 Harness —— SoL-Pi ，它让AI亲自当监工，去Agent工作流中吹毛求疵，把每一处可能“摸鱼、浪费Token”的环节进行修复，自我迭代优化。 效率提升后，Token消耗最高减少了 64%，
-
使用 NVIDIA FLARE 在 Docker、Kubernetes 和 Slurm 上扩展联邦学习
📌 One-Sentence Summary NVIDIA FLARE 通过将持久的联邦服务与动态作业执行分离，实现了在异构环境中的联邦学习，允许站点使用 Docker、Kubernetes 或 Slurm，同时保持对资源和数据的本地控制。 📝 Summary 联邦学习项目往往因为基础设施环境的多样性而面临运营复杂性。NVIDIA FLARE 通过将持久的联
-
7名博士生仅用3个月从零训练7B大模型：代码+数据+训练日志全公开
几百个Agent参与研发，AI开始造AI
-
Agent Substrate 现已在 GKE 上可用
📌 One-Sentence Summary Agent Substrate 是一个开源、默认安全的代理执行运行时，现已在 Google Kubernetes Engine 上可用，为自主代理提供 10 倍更高的密度和低于 500 毫秒的恢复操作。 📝 Summary Agent Substrate 在 GKE 上提供了一个可扩展、高密度的执行环境，用于自主
-
Sakana AI研究人员推出PC-ILM，这是一种用于训练1000层网络的反向传播的层本地替代方案
Sakana人工智能研究人员Jeffrey Seely和Julian Gould介绍了增强拉格朗日预测编码（PC-ILM），这是反向传播的本地学习替代方案。通过将拉格朗日乘数附加到每个层约束，PC-ILM保持预测编码的层本地更新，同时恢复线性网络中的精确反推梯度。它以T = 2L的推理预算在8到128的宽度和深度上匹配BP，将参考单元中的梯度cos从0.60