跳到正文
10月21日週三
  1. The Guardian Technology65

    Darmok 解密碼填字快人類參賽者約三分鐘,會是 Deep Blue 時刻嗎?

    AI 程式 Darmok 在本月 Times 年度密碼填字比賽中,完成決賽題的速度比人類參賽者 Liam Hughes 快約三分鐘。Darmok 以 Gemini 3.1 Pro、Claude Fable 5、GPT-5 和 GPT-6 Astra 為基礎,主要由前兩個模型解題,必要時再加入另外兩個。開發者 Sid Chatterjee 認為,設計出令人滿意的密碼填字題將是 AI 面臨的更大挑戰。

10月20日週二
  1. DEV Community28

    面向低功耗自主部署的山火疏散物流網絡概率圖神經推理

    作者構建面向低功耗自主部署的概率圖神經推理方案,以處理山火疏散物流網絡中的不確定路線風險。方案採用兩至三層訊息傳遞網絡和高斯訊息,並以矩匹配近似聚合。作者稱測試中路線風險排序幾乎完全保留,計算量減少一個數量級;量化時均值採用 int8,log-variance 採用 fp16 或 bf16。

  2. TNW72

    Reuters報道:字節跳動、阿里巴巴和騰訊訂購逾 3 million 張 Nvidia RTX PRO 5500,總價超過 $35bn

    Reuters報道,字節跳動、阿里巴巴和騰訊已訂購逾 3 million 張 Nvidia RTX PRO 5500 顯示卡,總標價超過 $35bn。消息人士稱,Nvidia未能保證供貨,並告知合作夥伴可能只交付所要求數量的 5% 至 10%;三家公司計劃主要將顯示卡用於推理。消息人士另稱,Nvidia 2027 年全球產量可能不超過 3 million 張;TNW表示未有獨立核實該報道。

  3. Hugging Face Blog74

    PyTorch 2.15 為 Mac MPS 加入 FP8 支援並加快模型解碼

    PyTorch 2.15 為 Mac 的 MPS 後端加入 FP8 支援,並加快 LLM 解碼及多項 Metal 運算。在 M3 Ultra 使用 torch.compile 時,Qwen3.6-35B-A3B 的 MoE 解碼速度由 9.4 升至 61.3 tokens/s;Wan2.2 影片 VAE 解碼的峯值驅動程式記憶體由約 270 GiB 降至約 8 GiB。

    推薦理由:文章列出 Mac MPS 上的模型解碼提速和 Wan2.2 影片 VAE 記憶體降幅,具體呈現 PyTorch 2.15 後端更新對本機推理工作負載的變化。

  4. DEV Community54

    強化學習獎勵塑形令混合語言模型推理軌跡縮短最多 65%

    相關研究指,為混合語言模型調整強化學習獎勵可重新啟動其 THINK 推理模式,令推理軌跡平均縮短最多 65%,並大致維持答案準確度。在 9B 參數設定中,生成限制內完成率由 45.9% 升至 93.9%,平均軌跡長度由 2,494 降至 868 tokens。測試只涵蓋 Qwen3 系列與 StartLux-Decision 及各自的基準;準確度仍有輕微下降,能否延伸至其他架構或任務尚不清楚。

  5. HuggingFace Daily Papers(社區熱門論文)47

    AdaExploreBench:評測 LLM 智能體在演變環境中的主動探索與測試時適應能力

    AdaExploreBench 評測 LLM 智能體在演變環境中主動探索隱藏規則及適應未預告變化的能力,發現現有智能體難以搜尋相關證據和識別過時知識。測試八款領先 LLM 時,GPT-6 Sol 的校準準確率為 61.9%;提供足夠證據或移除規則漂移,均可令平均表現顯著提升近 10%。

  6. HuggingFace Daily Papers(社區熱門論文)45

    AnyGoal:專家示範軌跡以外的世界模型泛化研究

    研究團隊提出 AnyGoal 基準測試及開源程式庫,用以評估世界模型能否將熟悉的狀態與動作組合泛化至未見情境,以支援規劃。測試任務取自常用世界模型環境,個別狀態因素與動作均在訓練範圍內,但相關組合在專家軌跡中較少出現。多個環境和世界模型系列的結果顯示,現有模型在這類重新組合下持續失效。

  7. DoNews50

    銘芯啟睿宣佈完成超過4億元A輪融資

    北京存算協同晶片企業銘芯啟睿宣佈完成超過4億元A輪融資,並啟動第一代推理晶片LPU研發。資金主要用於 RRAM 產業化與商業化,以及 LPU 研發。前英國 AI 晶片公司 Graphcore 總裁兼大中華區總經理盧濤加入團隊,出任 CEO 及聯合創始人。

  8. DEV Community56

    Darwin-27B-ZTC-v9 在 S1MB 英文版 137 項基準排行榜排名第一

    Darwin-27B-ZTC-v9 在 S1MB 英文版涵蓋 137 項基準的排行榜中取得 Borda 排名第一,評測包含 197 個模型。S1MB 逐項按基準排名後加總;該模型按任務平均分 72.20 排第二,兩種排序回答不同問題。ZTC 模型以單次前向傳播輸出選項概率而不生成文字,權重以 Apache-2.0 授權公開;文章指出,校準概率可用於設定自動判斷門檻。

  9. Hacker News:AI 熱帖66

    AI 證明準黎曼猜想後,數學界接下來會怎樣?

    AI 已證明準黎曼猜想;Sarnak 表示,只有人類核查並理解全部細節後,他才會接受它為定理。Hacker News 討論提到,7/8 結果已通過 Lean 驗證,專家則正查看尚未驗證的 11/12 論文,因為它篇幅較短,而且是唯一經人類編輯的版本。Quanta 引述稱,準黎曼猜想的證明將迅速確立數論、幾何及理論計算機科學中的多項數學結果。

  10. DEV Community65

    375 款模型在 137 家供應商間的 API 價格比較揭示極端價差

    文章比較 137 家供應商提供的 375 款模型 API 輸入價格,發現中位價差為 0.0%,但 42 款模型的價差超過 200%。其中 openai/gpt-oss-120b 在 13 家供應商的輸入價格介乎 $0.03/M 至 $0.8/M,價差為 2566.7%。文章指出,價差主要來自 GPU 時租託管與專門推理平台的不同定價模式;數據是價格快照,長上下文及不同量化版本亦可能影響比較。

  11. 第一財經33

    中信建投:建議關注企業級AI應用、算力服務及國產芯片和超節點

    中信建投建議關注企業級 AI 應用、算力服務及國產晶片和超節點,並指出國產模型能力、調用成本和工具配套改善。DeepSeek 更新 V4.1 Flash,DeepSWE 評分由 74.2% 升至 77.0%,API 價格不變,並開放搜尋與抓取介面;三方測評中,其 Pi 框架 high 檔位通過全部隱藏測試,平均每項任務費用為 0.045 美元。