今早一起来，发现Arena已经公布了Qwen3.7预览版的最新表现。Qwen3.7-Max-Preview在文本领域排名整体第13。排名在它前面的，分别有 ...

近期，LLM 已经在 IMO 上取得了很好的成绩，在一些研究级数学上（如短程证明、组合构造）也有所进展。

发布会还没开，谷歌彻底藏不住了！Gemini 3.2 Flash网页端静默上线，被开发者抓了个正着。单次提示狂飙2200行代码、手搓Windows 98，直接把自家旗舰Pro按在地上摩擦。 I/O大会在即，谷歌彻底藏不住了！ 就在刚刚，Gemini ...

近日，MoE Capital 的 Henry Yin 和 Naomi Xia 撰写了一篇深度博客，系统梳理了「世界模型」这一概念背后两条长达数十年、彼此独立演进的研究脉络：一条是强化学习社区从 1990 ...

Claude在对话里反复催用户去睡觉，有人被连催三次，也有人在上午8:30被告知「早点休息」。Anthropic员工承认这是「角色习惯」，但没人能解释它为什么这样做。

AI之下，数学大爆发！陶哲轩反击：证明在批量生产，可没人消化得了——数学正在「消化不良」。 2024年12月，Meta的研究科学家、日内瓦大学教授François Fleuret给数学宣判了死刑，缓期3年执行： 最近，菲尔兹奖得主Timothy ...

官方表示，Composer 2.5 更加智能，更擅长处理耗时较长的持续任务，并且在遵循复杂指令方面也更为可靠。 「以 1/10 的成本，性能几乎追平 Claude Opus 4.7 这个级别的模型。」 它就是 Cursor 今天凌晨 ...

本文提出了一种简单且可扩展的框架，用于构建原生并行推理器。该推理器无需依赖外部教师模型即可学习自适应分解、多样化的并行规划和可靠的聚合。通过将自提炼的并行 SFT 与智能体并行 ...

清华大学团队最新的一项研究，系统性地解剖了 On-Policy 蒸馏的黑箱。这篇论文不仅揭示了决定蒸馏成败的两大先决条件，还深挖了 Token 级别的对齐机制，并给出了拯救失败蒸馏的实用配方。 在常规认知中，Teacher ...

Anthropic 将 Agent SDK 用量从订阅中剥离，按 API 零售价另给固定额度。重度用户的可用量缩水近十倍。同一周，OpenAI 向企业用户推出 Codex 两个月免费迁移。ASI 决赛圈的第一场定价战，开打了。 Anthropic ...

Claude深陷「角色混淆」Bug，分不清自己的话与用户指令，长上下文成了降智「重灾区」。 一个程序员原本只是让Claude帮他校对一篇博客。 Claude一开始表现得相当靠谱，很快找出了5处明显的拼写错误。 紧接着，事情突然失控了。

Richard ...