月初，OpenAI的两大对手Anthropic和马斯克终于放下分歧，正式结盟。在此之前，双方关系紧张：今年2月，马斯克在X账号上指责Anthropic“觉醒”“邪恶”“反人类”，称其“仇视文明”。 事后看，这次攻击并非马斯克个性使然，而是Anthropic的某些做法触及了他的底线。此前，xAI内部使用Cursor工作，但年初员工发现，Claude模型在xAI…

OpenAI 的 Deep Research 功能虽然强大，但所有数据都必须经过其服务器处理。对于隐私要求较高的场景，一个能在本地运行、无需联网的替代方案显得尤为重要。 Local Deep Research 正是为此而生。 借助 Qwen3.6-27B 模型，单张 RTX 3090 显卡即可运行，在 SimpleQA 测试中达到了 95.7% 的准确率。这…

消费级机器人行业，或许即将迎来一次真正的代际变革。 过去几年里，市面上涌现了大量机器狗：它们能跑、能跳、能翻跟头。但一个核心问题始终未被解决。 这些机器人在很多情况下，其实看不清、听不准，也思考不透彻。 行业的主流配置，依然停留在200万像素摄像头、16线激光雷达和单芯片算力架构上。 机器人虽然能“动”，但距离真正“理解”世界，始终差着关键一步。 直到最近，…

生成模型的偏好对齐，或许正迈入一个全新的阶段。 在过去的几年里，大模型后训练（post-training）的主流方法，是让模型从“成对偏好”中学习。然而，无论是RLHF还是DPO，都面临一个共同的制约：反馈必须以成对形式出现。 但在现实应用场景中，反馈信号大多是针对单个样本的标量分数。 针对这一痛点，新加坡国立大学的研究团队提出了一种更直接的解决方案：Thr…

序列建模是大语言模型与计算机视觉等领域的核心基础问题。目前广泛采用的Transformer模型，其计算复杂度会随序列长度呈平方级增长，这在处理长序列任务时带来了显著的计算瓶颈。因此，学术界一直在积极探索具备线性计算复杂度的高效序列建模新方法。 测试时训练（Test-Time Training，TTT）模型作为一种新兴的序列建模范式，将注意力操作重新定义为在线…

我们每天都在与大语言模型（LLM）打交道。一个直观的感受是，它们似乎真的能听懂我们在说什么，尽管偶尔也会出现“幻觉”。更令人惊叹的是，当观察LLM输出的“思维链”（即其推理过程的语言表达）时，我们甚至会感到它们仿佛拥有了类似人类的思考能力。 近期，字节跳动的李航、张少华、林苑发表了一篇研究论文，深入探讨了以下核心问题：LLM所具备的语言理解和思考能力，其本质…

当前，AI Agent 正进入大规模部署阶段，其中应用范围最广、关注度最高的当属 Claude Code、Codex、Cursor 这类编码智能体。过去一年里，这类产品迭代迅猛，在 SWE-bench-verified 基准上的准确率在一年内提升到了 78% 以上。 然而，与简单的代码推理或代码相关的对话任务相比，编码智能体的 Token 消耗量极为惊人。在…

用Claude Code写论文？这个开源项目把整套流水线打包了，学生党狂喜 用Claude Code撰写论文的完整工作流，已经有人开源打包了。 这完全戳中了学生群体的核心痛点，GitHub星标数已飙升至6.4k。 项目名为academic-research-skills（以下简称ARS），是一套专门为Claude Code设计的技能包。 它内置了4个核心技能…

当大型语言模型代理（LLM Agent）步入真实世界应用场景时，它面对的已不再是静态的、一次性完成的测试数据集，而是源源不断、持续抵达的任务流。 每一次工具调用、代码执行、网页搜索或任务完成，都会随之产生反馈信号：操作是成功还是失败？收集到的证据是否充足？所选工具是否恰当？这些在部署阶段自然涌现的信号，能否反过来成为代理自我优化的养分？ 研究团队的最新成果提…