Prime Intellect 開源 renderers，提供 Agentic RL 的 token 級模板處理工具
Prime Intellect 開源獨立 Python 程式庫 renderers，讓開發者以可編程的 Python 物件控制 RL 和多輪推理的對話格式。它在 token ID 層處理訊息渲染、回應解析、loss mask 標記及多輪橋接，以保留已採樣 token 前綴；文章指出，五輪 rollout 若每個邊界都無法合併，計算量約為連續序列的 3x。
全部AI 動態
全部動態
今日 427 條Prime IntellectAI 評分5454 Goodfire ResearchAI 評分4545 Goodfire 與 Radical AI 用自我修正搜尋加速材料發現
Goodfire 與 Radical AI 合作，利用可解釋性工具讓擴散模型從自身內部取得回饋並自我修正，使目標範圍內的可行候選材料增加約 30%。研究在 MatterGen 取樣時利用 probe 從模型嵌入向量提取結構作修正，改善目標命中率而不犧牲獨特性。自我修正搜尋亦可能適用於蛋白質設計和藥物發現等領域。
Prime IntellectAI 評分6464 Prime Intellect 開源 General Agent 自我演進式合成智能體環境
Prime Intellect 開源 General Agent 環境首個版本，並以合成器生成任務、按求解模型通過率逐級校準難度。語料目前包含 4,504 項任務、1,040 個領域及 8,159 種獨特工具。
Goodfire ResearchAI 評分4141 基於協方差的序列池化
研究提出協方差池化，以 token 激活的截斷二階矩聚合基因組基礎模型的序列表示，保留均值池化忽略的特徵聯合結構。在 NTv3 的 Gene Ontology 預測及基因組軌道預測中，該方法表現大幅優於均值池化。它可透過重建二階矩學習低秩分解，生成定長嵌入，並用於有監督探測及無監督嵌入學習。
Prime IntellectAI 評分6363 Prime Intellect 研究 reward hacking 的梯度動態，並推出 Sprints 社羣研究計劃
Prime Intellect 以 Llama 3.2-1B-Instruct 進行受控 RL 實驗，指出 reward hacking 是梯度動態問題，受可見獎勵與隱藏獎勵的競爭影響。
Goodfire ResearchAI 評分5858 Goodfire 以可解釋預測分析 ClinVar 的 4.2 million 個遺傳變異
Goodfire Research 利用 Evo 2 嵌入向量預測遺傳變異效應，並推出涵蓋 ClinVar 4.2 million 個變異的 EVEE。其致病性探針在 839k 個 ClinVar 單核苷酸變異上取得 0.997 AUROC，對未經明確訓練的短插入和缺失變異達 0.991 AUROC。
Prime IntellectAI 評分5858 Prime Intellect 推出 Hosted Evaluations，支援託管模型評測
Prime Intellect 推出 Hosted Evaluations，讓用戶能使用可擴展基礎設施，在自己的評測項目上測試模型。用戶可在 Environments Hub 已支援的數百個社羣環境中執行評測，亦可透過 CLI 加上 --hosted 參數啟動。評測結果可發布至相應排行榜；由於環境開源，各模型會在相同設定下受評，而檢視器會顯示採樣參數、其他設定、樣本、執行軌跡、工具呼叫及結果。
Goodfire ResearchAI 評分5858 Goodfire Research 提出探針式數據歸因方法，揭示並緩解 LLM 後訓練中的不良行為
Goodfire Research 以探針式數據歸因追查 OLMo 2 7B DPO 訓練中出現的有害行為，移除相關數據後有害回應率下降 63%。方法以模型激活向量的餘弦相似度排序訓練樣本；交換排名靠前樣本的 accepted/rejected 標籤，可令有害回應率下降 78%。按數據來源移除四個問題最突出的模型生成的樣本，則可令有害回應率下降 84%。
Prime IntellectAI 評分6363 Prime Intellect 加入 NVIDIA Nemotron Coalition，貢獻 2,500+ 個開放 RL 環境
Prime Intellect 宣佈加入 NVIDIA Nemotron Coalition，貢獻 2,500+ 個開放 RL 環境及後訓練工具，支援 Nemotron。
Prime IntellectAI 評分6868 Prime Intellect Lab 開放 Nemotron 3 Ultra 託管後訓練支援
Prime Intellect 在 Prime Intellect Lab 開放 NVIDIA Nemotron 3 Ultra 的託管後訓練支援，涵蓋 RL 訓練、評測與推理部署。
Goodfire ResearchAI 評分4848 解讀語言模型參數
這項研究提出 adVersarial Parameter Decomposition（VPD），把語言模型參數拆成小型子元件，以分析模型如何計算輸出。VPD 旨在大量子元件遭消融（包括經對抗性選取的消融）時，仍保留模型的輸入—輸出行為。研究亦追蹤參數子元件的互動序列，分析它們如何共同產生特定輸入的模型輸出，形成新一類「電路」分析。
Goodfire ResearchAI 評分5454 論文摘要：Goodfire Research 以 VPD 解讀語言模型參數
Goodfire Research 使用 VPD（Adversarial Parameter Decomposition）拆解一個 67M 參數語言模型的權重矩陣，以研究模型參數中的計算結構。這項方法把參數分解為秩一矩陣，並識別出分散於多個注意力頭的算法、可無需訓練直接編輯行為的子元件，以及特定預測所需的子網絡。研究團隊分解網絡全部 24 個矩陣，共識別約 10,000 個子元件。
Prime IntellectAI 評分6161 prime-rl 0.6.0：萬億參數規模強化學習效能深度解析
Prime Intellect 發佈 prime-rl 0.6.0，支援萬億參數規模模型的智能體強化學習訓練。該團隊表示，可在 28 個 H200 節點上以最高 131k 的序列長度、低於 5 分鐘的單步時間及 256 個 rollouts 的批次大小，訓練 GLM-5 執行 SWE 任務。
Goodfire ResearchAI 評分5353 神經網絡內部表徵以幾何結構映照外界
Goodfire Research 指出，神經網絡內部表徵會形成映照外界結構的幾何形狀，並以 Mountain Car 模型示範沿彎曲流形操控表徵可平順改變車輛位置。相比之下，線性操控可能令模型輸出混亂，或令車輛跳到另一位置。文章認為，研究神經幾何有助理解模型表徵、計算與行為，並支持更精準、可靠的模型控制。
Prime IntellectAI 評分6161 prime-rl 新增演算法層，支援按環境選擇訓練演算法
Prime Intellect 為 prime-rl 新增演算法層，內建六種演算法並支援按環境選用，讓同一訓練執行可混用不同演算法。六種包括 GRPO、MaxRL、On-Policy Distillation、Self-Distillation、SFT distillation 和 ECHO；自訂演算法可沿用同一抽象實作，而毋須修改 trainer。
Prime IntellectAI 評分6666 Prime Intellect 宣佈募集 $130M A 輪融資，以建設開放超級智能全棧
Prime Intellect 於 2026 年 7 月 8 日宣佈募集 $130M A 輪融資，由 Radical Ventures 領投，多家投資者參與。公司稱，累計融資額已超過 $150M，將用於建設涵蓋訓練、部署及持續改進的開放超級智能全棧。Prime Intellect 表示，其全棧已有超過 6k 名客戶使用，年化收入在不足一年內升至超過 $100m。
Prime IntellectAI 評分6767 verifiers v1 將智能體強化學習與評測環境拆分為 taskset、harness 及 runtime
Prime Intellect 推出 verifiers 0.2.0，預覽重寫後的核心架構，將智能體訓練與評測環境拆分為 taskset、harness 及 runtime。
Goodfire ResearchAI 評分5252 Goodfire 在 Llama 3.1 8B 第 18 層發現以圓形表徵運作的加法模組
Goodfire 在 Llama 3.1 8B 第 18 層發現一個加法模組，透過多個圓形表徵並行計算不同模數下的和。該模組亦用於一般算術、星期及月份等循環概念的推算，數字以 Fourier features 表示。研究人員操控這些圓形表徵後觀察到月份預測隨輸出改變，作為模組參與月份推算的因果證據；文章指出相關實證仍未完整。
Prime IntellectAI 評分6666 Prime Intellect 整合 23 個 Agentic RL 任務集，涵蓋約 365,000 項任務
Prime Intellect 將 23 個軟件工程、終端機及搜尋任務集整合至同一 taskset API，合計約 365,000 項任務。這些任務可用於評測及 RL 訓練；多個 SWE 數據集經 gold patch 與無修改檢查後，已重新上載清理版本。作者指出，智能體與評分機制共用沙盒仍有 reward hack 風險，隔離評分環境仍在路線圖上。
Goodfire ResearchAI 評分4545 稀疏自編碼器（SAE）能否捕捉神經幾何結構？
稀疏自編碼器（SAE）可用「碎裂」、「緊湊捕捉」和「稀釋」三種方式表徵神經表徵中的流形，但單一特徵只能呈現局部結構。研究者建立無監督流程，按 SAE 特徵觸發模式的統計依賴進行聚類，以發掘整體幾何結構。這套流程在 Llama 3.1 8B 中找到多種流形，而實際神經網絡表徵主要呈現「稀釋」模式。
Suno：BlogAI 評分2424 Suno 推出情人節體驗，製作個人化歌曲
Suno 推出情人節體驗，用戶回答三個關於收歌對象的簡單問題後，Suno 會製作三首個人化歌曲。體驗免費，可於 vdaysong.com 試用，歌曲可送給朋友、心儀對象或家人。在社交媒體分享歌曲並標記 @suno_ai_，有機會贏取一束花及 Premier 方案免費三個月。
Suno：Blog精選AI 評分7777 Suno 發佈 v3，可在數秒內生成完整兩分鐘歌曲
Suno 發佈首個可製作電台級音樂的模型 v3，用戶可在數秒內生成完整兩分鐘歌曲。v3 現已向所有用戶開放，網址為 https://app.suno.ai。v3 亦改善音質、增加風格與曲風選擇，並提升提示詞遵循度、減少模型幻覺，令歌曲結尾更自然。
推薦理由：v3 可在數秒內生成完整兩分鐘歌曲，並改善音質、風格選擇及提示詞遵循，呈現這次更新在生成速度與創作控制上的具體變化。
Suno：BlogAI 評分4747 Suno 籌集 $125 million
Suno 宣佈籌集 $125 million，將用於加快產品開發及擴大由音樂創作者、音樂愛好者和技術人員組成的團隊。首個產品推出八個月後，已有 10 million 人使用 Suno 創作音樂。核心用戶是普通人，他們往往是首次創作音樂。
Suno：BlogAI 評分3737 Suno「The Summer of Suno」Vol. 1：向創作者派發 $1 million 獎金
Suno 宣佈在 2024 年餘下時間向創作者支付總額 $1 million，並以 The Summer of Suno Vol. 1 展開活動。首輪將從 6 月以 Suno 創作的歌曲中，按播放、讚好及分享量選出排名最高的 500 首，分派 $100,000。公開歌曲會自動參加；參賽歌曲須於 6 月 1 日至 30 日創作，每位創作者限一首。
Suno：BlogAI 評分4646 Suno Audio Input：用任何聲音創作歌曲
Suno 推出 Audio Input，讓 Pro 和 Premier 用戶上載或錄製音訊，並將其延伸創作成歌曲。音訊或影片片段須為 6 至 60 秒，用戶可設定延伸時間點、曲風及是否加入歌詞。有版權的作品會被禁止上載；含人聲的輸入會保持私密，且不可搜尋。
Suno：BlogAI 評分6464 Suno 回應 RIAA 成員唱片公司訴訟，反駁音樂模型訓練侵犯版權的指控
Suno 回應 RIAA 成員唱片公司於 6 月 24 日提起的訴訟，否認其音樂生成模型的訓練資料侵犯版權，並稱訴訟在事實和法律上均有缺陷。Suno 表示，其模型使用從開放互聯網找到的中、高質素音樂進行訓練，並主張學習音樂風格、模式與形式不構成侵權。公司稱，Suno 會檢查並阻止音訊上載中的受版權保護內容，也不允許用戶在生成音樂的要求中使用以藝人為基礎的描述，以鼓勵原創。
Suno：BlogAI 評分4040 Suno 推出 Covers 歌曲風格轉換功能
Suno 推出早期存取測試版功能 Covers，讓用戶將聲音或歌曲轉換成新風格，同時保留原有旋律。功能目前開放予 Pro 和 Premier 訂閲用戶，並提供 200 次免費 Covers；用完後每次生成需 10 credits。
Suno：BlogAI 評分5353 Suno 推出 Suno Scenes，讓用戶從照片和影片創作歌曲
Suno 推出 Suno Scenes，讓用戶以照片或影片作為素材創作歌曲。功能先向 iOS 用戶開放，可在歌曲創作體驗的 Camera 模式中使用。
Suno：BlogAI 評分4747 Suno 與 Audible Magic 展開合作
Suno 與 Audible Magic 展開合作，將 Audible Magic 的內容識別技術整合至 Suno 的用戶上載流程。合作將提升 Audio Inputs 功能，並旨在防止用戶未經授權上載內容，維持可信的創作者協作環境，讓平台專注創作原創音樂。
Suno：BlogAI 評分3737 Suno 推出 Personas 音樂創作功能
Suno 推出 Personas，讓用戶保存歌曲的人聲、風格和氛圍，並將這些特色用於新創作。用戶可把 Persona 設為公開或私人；公開 Persona 可供其他人使用，並連結至建立者的個人檔案及 Persona。搶先體驗測試版開放予所有 Pro 和 Premier 訂閲用戶，可免費創作 200 首 Personas 歌曲，其後每首需 10 credits。
Suno：BlogAI 評分5454 Suno 推出 v4，升級音訊、歌詞及歌曲結構
Suno 推出 v4，帶來更清晰的音訊、更精煉的歌詞及更多變的歌曲結構。Remaster 可把舊模型創作的曲目升級至 v4 音質；ReMi 是新增的歌詞輔助選項，Covers 和 Personas 亦獲升級。v4 以 beta 形式向 Pro 和 Premier 用戶開放，可透過 suno.com 和 iOS 體驗。
Suno：BlogAI 評分5858 Suno 正式推出 Android 版音樂創作應用程式
Suno 正式推出 Android 版，讓用戶可透過文字提示詞創作音樂、探索創作者社羣的曲目與曲風，並分享自己的作品。這是 Suno Android 版的第一個版本，包含核心功能，官方表示目前只是起步，未來還有更多內容。
Suno：BlogAI 評分5656 Suno 推出新音樂編輯功能，Song Editor 支援逐段重編與 12 條分軌匯出
Suno 推出一批音樂創作功能，更新 Song Editor，並支援上載最長 8 分鐘的音訊及匯出 12 條分軌。用戶可在波形上逐段重排、改寫和重製歌曲，分軌亦可預覽及下載。三個新控制項可調整生成結果的怪異程度、結構性及參考導向程度。
Suno：BlogAI 評分5757 Suno 收購 WavTool，整合其 DAW 技術與核心團隊
Suno 宣佈收購 AI 加速的瀏覽器數碼音訊工作站 WavTool，並把其進階編輯技術及核心團隊納入公司，團隊成員將在產品及工程部門擔任領導職位。WavTool 原有 VST 外掛支援、樣本級精確編輯和即時錄音等專業 DAW 功能，亦具備音軌分離、AI 生成 MIDI 及用於即時音樂編輯的應用程式內聊天機械人。Suno 表示，整合這項技術將進一步提升其面向專業詞曲作者和製作人的工具能力。
Liquid AI 模型與工程博客AI 評分6161 Liquid AI 發佈 LFM2，定位為市場上最快的裝置端基礎模型
Liquid AI 發佈 LFM2，推出 0.35B、0.7B 和 1.2B 三個參數規模的模型，面向裝置端生成式 AI。官方表示，LFM2 在 CPU 上的 prefill 和 decode 速度最高達 Qwen3 的 2 倍，訓練效率較上一代提升 3 倍。
Liquid AI 模型與工程博客AI 評分6060 Liquid AI 推出 LEAP 端側 AI 平台及 Liquid Apollo 手機應用程式
Liquid AI 推出 LEAP 端側 AI 開發平台及 Liquid Apollo 手機應用程式，LEAP 讓開發者將小型語言模型部署到 Android 和 iOS 應用程式，Apollo 則可在手機本機試用 LEAP 模型。
Suno：BlogAI 評分5151 Suno 與 Songs of Love Foundation 合作推出 Songs of Love Creator Program，招募義工創作個人化歌曲
Suno 與 Songs of Love Foundation 合作，運用 AI 音樂工具擴大個人化歌曲製作，服務面對疾病、困境或記憶流失的兒童、青少年及長者。
Suno：BlogAI 評分5959 Suno 推出生成式音訊工作站 Suno Studio
Suno 推出 Suno Studio，一款把 AI 生成融入音樂製作的生成式音訊工作站。它可即時生成不限數量、能配合現有音訊的人聲、鼓聲、合成器等分軌變化，並提供多軌時間線編輯、BPM 控制、音量及音高調整。分軌可匯出為音訊和 MIDI 檔案，Suno Studio 可供 Premier 用戶在桌面使用。
Liquid AI 模型與工程博客AI 評分4545 LFM2-VL：高效視覺語言模型
LFM2-VL 推出 LFM2-VL-450M 和 LFM2-VL-1.6B 兩款開放權重視覺語言模型，支援文字及可變解像度圖像輸入。在 GPU 上的推理速度最高達現有 VLM 的 2 倍，並原生處理最高 512×512 解像度的圖像；更大的圖像會切分為 512×512 區塊。兩款模型現已於 Hugging Face 提供，採用基於 Apache 2.0 的開放授權。
Suno：BlogAI 評分5858 Suno 宣佈募集 $250M C 輪融資，投後估值達 $2.45B
Suno 宣佈募集 $250M C 輪融資，投後估值為 $2.45B，由 Menlo Ventures 領投。公司表示，資金將支持開發更成熟的專業工具、改善休閒創作者體驗，以及提供新的音樂分享和社交連結方式。過去兩年，近 100 million 人曾在 Suno 上創作音樂，當中許多人是人生首次創作音樂。