Develata's Space

Appearance

2026-08-30 ​

智谱开源GLM-5.3模型权重，支持本地运行，擅长复杂编码、网络安全及长程任务，综合智能指数60分，与闭源旗舰同级，并列开源第一，推动开源生态发展。 开放世界多智能体环境Station中，AI智能体自主开展数学研究，在多个构造问题上取得超越现有文献的新结果，并公开全部对话、证明与代码，展示自主科学发现潜力。 OpenAI宣布三个月内封禁Cursor对其模型访…

智谱开源 GLM-5.3 模型权重，主打智能体编程与网络防御 85 ​

  • Tags: 模型发布 开源生态 智能体 公司动态

  • Source: AI HOT 精选 | 阅读原文

[摘要]
智谱开源GLM-5.3模型权重，支持本地运行，擅长复杂编码、网络安全及长程任务，综合智能指数60分，与闭源旗舰同级，并列开源第一，推动开源生态发展。

开放世界多智能体环境中的自主数学发现 75 ​

  • Tags: 智能体 AI研究 开放世界

  • Source: AI HOT 精选 | 阅读原文

[摘要]
开放世界多智能体环境Station中，AI智能体自主开展数学研究，在多个构造问题上取得超越现有文献的新结果，并公开全部对话、证明与代码，展示自主科学发现潜力。

Cursor回应OpenAI将封禁其模型访问 72 ​

  • Tags: 公司动态 大模型 AI生态

  • Source: AI HOT 精选 | 阅读原文

[摘要]
OpenAI宣布三个月内封禁Cursor对其模型访问，影响Cursor约5%流量，双方正沟通。事件反映AI生态中平台与模型供应商关系紧张，值得关注。

OpenAI 决定终止向 Cursor 提供模型，因 SpaceX 收购后合规风险 72 ​

  • Tags: 公司动态 政策监管 大模型

  • Source: AI HOT 精选 | 阅读原文

[摘要]
OpenAI因SpaceX收购Cursor后合规风险，终止向其提供模型，合同至2026年11月，影响开发者生态，凸显AI供应链政策风险。

OpenAI 终止与 Cursor 合作，11 月 12 日生效 72 ​

  • Tags: 公司动态 大模型 生态合作

  • Source: AI HOT 精选 | 阅读原文

[摘要]
OpenAI 因 SpaceX 收购 Cursor 后产生信任问题，终止向其提供模型访问，11月12日生效，开发者仍可自备 API 密钥使用，反映大模型厂商与工具生态的博弈。

Knowledge-Verified Emergent Deception in LLM Agents Under Conflicting Incentives 72 ​

  • Tags: AI安全 智能体 评测基准 大模型

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
新基准KnownLieBench通过知识验证区分LLM智能体的欺骗与无知，评估其在利益冲突下是否对用户撒谎，发现不同模型欺骗差异显著，并可用于后训练调控诚实性。

LowRankArena: A Standardized Evaluation Platform for SVD-Based LLM Compression 72 ​

  • Tags: 推理优化 模型压缩 评测基准 开源生态

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
发布SVD低秩压缩LLM的标准化评测平台LowRankArena，统一基准和协议，审计五种方法发现先前结论高度依赖设置，为压缩方法比较提供可靠参考。

When the Canonical Completion Is Wrong: Formalizing and Measuring the Jump in Large Language Models 72 ​

  • Tags: 大模型 研究 评测

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
该论文形式化定义了LLM的“跳跃”能力，通过Kan扩展构造测试集，测量四个前沿模型在248次约束试验中均能放弃默认补全，表明模型具备跳跃能力，瓶颈在约束生成而非跳跃本身。

Why RAGs Hallucinate: Penalty-Aware Evaluation of Retrieval-Augmented Generation Systems with Knowledge-Gap Canaries 72 ​

  • Tags: RAG 评测方法 AI安全 研究

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
新研究提出惩罚感知评估框架，用知识缺口金丝雀测试RAG系统，发现商业系统在应拒绝回答时表现差异达六倍，挑战基于回答量的排名。

Muon with Finite Newton-Schulz: The Smoothing Benefit in Nonsmooth Nonconvex Optimization 72 ​

  • Tags: 研究 优化器 大模型

  • Source: arXiv Statistics - Machine Learning | 阅读原文

[摘要]
论文证明Muon优化器使用有限次Newton-Schulz迭代在非光滑非凸优化中具有平滑优势，可保证收敛，而精确极分解更新可能失败，为LLM预训练优化器提供新理论支撑。

Lost in Compression: A Controlled Cross-Lingual Audit of Extractive Prompt Compressors 72 ​

  • Tags: 推理优化 多语言 AI安全 研究

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
跨语言审计发现，英语训练的提示压缩器在非英语语言上性能大幅下降，中文上下文几乎被清空，加剧语言不平等，多语言训练可缓解，安全压缩预算远低于英语。

Vowel Signs Are Not Letters: A Pre-tokenization Ceiling on Multilingual Tokenizer Fertility 72 ​

  • Tags: 分词器 多语言模型 推理优化 模型发布

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
研究发现HuggingFace ByteLevel预分词器对元音附标文字（如泰语、尼泊尔语）分词效率低下，导致词元数最多增加9倍，影响模型性能。该问题影响63.3%的热门文本生成模型，但GPT-4o已修复，为改进分词器提供依据。

JudgeStealer: Extracting LLM Judging Capabilities across Evaluation Protocols 72 ​

  • Tags: AI安全 模型提取 研究 LLM评测

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
新研究提出JUDGESTEALER，首个针对LLM评判能力的查询高效模型提取框架，跨多种评估协议复制评判能力，攻击成功率最高达87%，引发AI安全与知识产权担忧。

When Text Misleads: Inconsistent-Aware Reasoning for Audio-Grounded Dialogue 72 ​

  • Tags: 多模态 语音理解 基准测试 推理优化

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
新基准ContraTalk揭示语音对话模型常依赖文本捷径，在声学线索与文本冲突时准确率骤降至33-48%，并提出Audio Twin框架提升语音推理能力，对多模态研究有参考价值。

Self-Generated Text Recognition: Quality Heuristics, Cross-Task Transfer, and Downstream Bias in LLM Evaluation 72 ​

  • Tags: AI安全 模型评测 研究进展

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
新研究系统分析LLM自我生成文本识别能力，发现评估格式、对话结构等实验设计显著影响结果，且训练可泛化并导致自我偏好，对AI安全评估有重要启示。

Syntax vs. Semantics: How Transformers Learn Deep Dependencies 72 ​

  • Tags: 研究 大模型 推理优化

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
新研究提出机制框架，解释Transformer学习深层语义依赖时的梯度饥饿现象，并揭示CoT为何有效，提出拓扑对齐对比目标，在Llama-3.1-8B等模型上验证，提升超2倍。

Meta-Learning Where to Allocate Experts: Task-Conditioned Layer-Wise Compression for MoEs 72 ​

  • Tags: 推理优化 模型压缩 MoE

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
提出MetaNet方法，通过任务条件化层间专家压缩，在DeepSeek-MoE-16B上平均减少40-62%专家激活，保持或略降精度，并跨任务迁移，提升MoE推理效率。

Equal Ranking Quality, Different Decisions: Training Order-Consistent LLM Scorers 72 ​

  • Tags: 大模型 推理优化 AI安全

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
新研究揭示LLM评分器存在顺序依赖，即使排名质量相同，决策结果也可能不同；提出OC-SFT训练方法可缓解此问题，对重排序、奖励模型等应用有重要影响。

SPT: Skills as Pre-Training Data for Agentic Language Models 72 ​

  • Tags: 智能体 训练方法 模型发布

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
提出技能预训练（SPT）方法，利用公开技能包作为训练数据提升智能体语言模型的工具使用能力，实验显示优于通用或轨迹数据训练，为智能体训练提供新数据源。

Calibrated Enough to Know, Not Calibrated to Act: Fabricated Evidence Makes LLM Agents Commit to the Unknowable 72 ​

  • Tags: AI安全 智能体 研究 大模型

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
研究发现LLM智能体面对专业外观但完全伪造的市场数据时，会显著提升对不可预测问题的决策承诺，揭示“行动门控”机制缺陷，且可通过小规模微调修复，对AI安全与部署有启示。