Develata's Space

Appearance

2026-09-15 ​

Apple 发布新一代 Apple Intelligence，Siri AI 测试版上线，支持个人情境理解、屏幕感知、系统级操作和多模态视觉智能，并扩展至多设备，标志苹果在端侧AI和智能助手领域的重要进展。 新研究提出Agent as Policy（AGP），让通用智能体无需任务或环境特定训练，直接通过推理、编程与物理交互驱动机器人完成精密操作、动态动作及可…

Apple 发布新一代 Apple Intelligence，Siri AI 正式以测试版上线 82 ​

  • Tags: 产品发布 智能体 大模型 公司动态

  • Source: AI HOT 精选 | 阅读原文

[摘要]
Apple 发布新一代 Apple Intelligence，Siri AI 测试版上线，支持个人情境理解、屏幕感知、系统级操作和多模态视觉智能，并扩展至多设备，标志苹果在端侧AI和智能助手领域的重要进展。

Agent as Policy for Robotic Manipulation 82 ​

  • Tags: 智能体 机器人 研究突破

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
新研究提出Agent as Policy（AGP），让通用智能体无需任务或环境特定训练，直接通过推理、编程与物理交互驱动机器人完成精密操作、动态动作及可变形物体等多项真实任务，成功率最高达100%，为通用智能体扩展至物理操作开辟路径。

DeepSeek-V4.1-Flash （Max） 进入 Agent Arena 开源模型第 3 名 78 ​

  • Tags: 模型发布 开源生态 智能体 推理优化

  • Source: AI HOT 精选 | 阅读原文

[摘要]
DeepSeek-V4.1-Flash（Max）在Agent Arena开源模型榜升至第3，成本仅$0.07/任务，比第2名低68%，成绩接近，重塑性价比前沿，显示开源模型竞争力提升。

Tomer Tunguz 解析 Amodei 放缓前沿提议背后的五派立场与算力监管难题 78 ​

  • Tags: AI安全 政策监管 算力 前沿模型

  • Source: AI HOT 精选 | 阅读原文

[摘要]
Tomer Tunguz 分析 Amodei 放缓前沿模型提案引发的五派立场，涵盖可解释性、劳工、经济、地缘政治与监管俘获，并探讨算力阈值调控的可行性与争议。

An ab initio foundation model of wavefunctions that accurately describes chemical bond breaking 78 ​

  • Tags: AI for Science 模型发布 量子化学

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

[摘要]
Orbformer 是首个可迁移的波函数基础模型，预训练于2.2万结构，微调后达到化学精度，成本媲美经典多参考方法，为量子化学带来范式转变。

硅基流动上线开源模型 Hy4 preview，770B 总参数、1M 上下文 75 ​

  • Tags: 模型发布 开源生态 推理优化

  • Source: AI HOT 精选 | 阅读原文

[摘要]
硅基流动上线开源模型Hy4 preview，总参数770B、激活49B，支持1M上下文，Apache 2.0协议，面向编码分析等任务，可接入主流工具，定价已公布，值得关注。

Anthropic 计划登陆纳斯达克，连续第二季度盈利瞄准 2 万亿美元估值 75 ​

  • Tags: 公司动态 AI安全 大模型

  • Source: AI HOT 精选 | 阅读原文

[摘要]
Anthropic 计划登陆纳斯达克，连续第二季度调整后盈利，毛利率超80%，瞄准2万亿美元估值，反映AI头部公司商业化加速与资本市场布局。

Choose a tag to compare 75 ​

  • Tags: 推理优化 开源生态 GPU计算

  • Source: GitHub Release - llama.cpp | 阅读原文

[摘要]
llama.cpp SYCL后端为TOP_K运算引入基数选择算法，支持k>32的大规模top-k，显著提升GPU性能（最高118倍），并优化了稀疏注意力索引等场景，对推理优化有重要价值。

SteerDuplex: Steerable Duplex Speech Dialogue Models 75 ​

  • Tags: 语音交互 模型发布 研究进展

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
新研究提出SteerDuplex，首个可操控的全双工语音对话模型，通过两阶段强化学习提升指令跟随与交互能力，并发布SteerBench基准，显著改善语音风格控制，推动语音交互可控性发展。

恶意 AI 智能体攻击 RubyGems.org：YARD 执行任意代码与 Fastly 缓存密钥利用分析 72 ​

  • Tags: AI安全 开源生态 供应链安全

  • Source: AI HOT 精选 | 阅读原文

[摘要]
安全分析揭示恶意AI智能体攻击RubyGems.org，利用YARD的--load选项在安装或文档处理时执行任意代码，并利用Fastly缓存密钥，威胁开源供应链安全。

Accelerating Dropless MoE Training in JAX with NVIDIA Transformer Engine 72 ​

  • Tags: 推理优化 大模型 技术博客 算力

  • Source: NVIDIA Technical Blog - Generative AI | 阅读原文

[摘要]
NVIDIA 发布技术博客，介绍结合 Transformer Engine 与 JAX 优化 MoE 训练，在 GB200 上实现 10.4 倍性能提升，解决 token 路由、all-to-all 通信及 ragged GEMM 等瓶颈，对大规模 MoE 训练有重要参考价值。

Anthropic 如何重构测试影响分析服务以应对智能体编码带来的 CI 压力 72 ​

  • Tags: 智能体 工程实践 推理优化 公司动态

  • Source: AI HOT 精选 | 阅读原文

[摘要]
Anthropic 工程师因智能体编码使代码量增8倍、测试增10倍，CI任务6个月增25倍，重构测试影响分析服务为无状态分布式架构，展示AI原生开发下CI扩展挑战与解法。

小红书 AllSpark 开源 Search Agent 模型 Iris，35B 与 397B 版本同量级成绩领先 72 ​

  • Tags: 模型发布 开源生态 智能体

  • Source: AI HOT 精选 | 阅读原文

[摘要]
小红书开源搜索智能体模型Iris，提供35B和397B版本，性能领先同量级模型，权重与评测代码已公开，推动搜索智能体生态发展。

LifeMem: Enabling Lifelong Experience Reuse for LLM Agents 72 ​

  • Tags: 智能体 终身学习 模型研究

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
提出LifeMem终身学习框架，让LLM智能体跨环境复用经验、提取可复用技能，缓解灾难性遗忘，在10个环境超1.3万任务中验证有效，提升跨任务迁移能力。

Kraken: LLM-based Speech-to-Speech Translation via Low-bitrate VQ and Dual-path Source Conditioning 72 ​

  • Tags: 语音翻译 模型发布 研究进展

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
Kraken 提出基于低比特率 VQ 和双路径源条件化的 LLM 语音到语音翻译模型，在 Qwen3-8B 上训练，翻译质量优于 SeamlessM4T 和 Qwen2.5-Omni，并改善说话人和韵律迁移。

SAS: Simple Attention Sparsification via End-to-End Optimization of Context Ranking 72 ​

  • Tags: 推理优化 模型压缩 研究进展

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
提出SAS方法，通过端到端优化上下文排序实现后训练注意力稀疏化，在固定预算下更有效选择上下文单元，优于现有基线，提升推理、长上下文和智能体任务表现。

Meddies-PII: A Multilingual Framework for Personally Identifiable Information Extraction in Clinical De-identification 72 ​

  • Tags: 数据集 多语言 医疗AI 开源生态

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
发布百万级多语言临床去标识化合成数据集Meddies-PII，覆盖17种语言和9类PII标签，训练模型在15个外部基准上平均F1达0.827，显著优于基线，将开源全套资源，推动临床隐私保护研究。

Membership Inference via Pairwise Likelihood Ratios 72 ​

  • Tags: AI安全 研究 隐私保护

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

[摘要]
新研究提出PL-MIA方法，通过成对似然比提升成员推理攻击效率，在低误报率下TPR提升超25%，有助于更精准地审计模型隐私风险。

Countdown-Code: A Testbed for Studying The Emergence and Generalization of Reward Hacking in RLVR 72 ​

  • Tags: AI安全 模型训练 研究发布

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
新研究提出Countdown-Code测试环境，发现SFT数据中仅1%的奖励黑客轨迹污染即可让模型内化该行为，并在后续RL中放大泛化，凸显合成SFT数据验证的重要性。

Judging by the Cover: Cleaning LLM Truthfulness Benchmarks to Avoid Surface-Level Feature Leakage 72 ​

  • Tags: AI安全 评测基准 研究

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
新研究揭示TruthfulQA等真值基准存在表面特征泄漏，简单分类器即可利用此漏洞，并提出Audit-Prune机制清理数据集，对评测可靠性有重要警示意义。