我们最新的研究调查了大语言模型试图误导用户或评估者的条件，以及这对大规模安全部署意味着什么。
我们最新的研究调查了大语言模型试图误导用户或评估者的条件，以及这对大规模安全部署意味着什么。
model
所有带有「model」标签的 AI 情报。
71 条情报城堡投资的一名量化交易员告诉我一些颠覆我整个交易框架的东西 "我们不预测市场。我们对状态机建模。" 他用90秒解释了马尔可夫链 市场从来不是随机的——它总是处于三种状态之一 上涨趋势，下...
城堡投资的一名量化交易员告诉我一些颠覆我整个交易框架的东西 "我们不预测市场。我们对状态机建模。" 他用90秒解释了马尔可夫链 市场从来不是随机的——它总是处于三种状态之一 上涨趋势，下跌趋势，区间震荡
你粘贴了一个完美答案作为示例 那个示例现在就是规范 模型会匹配长度、 语气和结构，你给它的那些， 比遵循上方那段指令更忠实 所以你十八个月前写的答案
你粘贴了一个完美答案作为示例 那个示例现在就是规范 模型会匹配长度、 语气和结构，你给它的那些， 比遵循上方那段指令更忠实 所以你十八个月前写的答案
“请勿触摸”的规定突然间有了充分的技术理由。2026年北京世界机器人大会展出了一台真正的优必选超仿生人形机器人（半身模型），拥有高度逼真的硅胶皮肤。售价约1.7万美元，用于陪伴。
“请勿触摸”的规定突然间有了充分的技术理由。2026年北京世界机器人大会展出了一台真正的优必选超仿生人形机器人（半身模型），拥有高度逼真的硅胶皮肤。售价约1.7万美元，用于陪伴。
你给步骤编号，以防它迷失 它不会迷失 那份清单是为会迷失的模型写的， 而这个模型比清单更会规划， 所以你添加的每个编号，都是一处禁区， 不准它比你更聪明 陈述目标，
你给步骤编号，以防它迷失 它不会迷失 那份清单是为会迷失的模型写的， 而这个模型比清单更会规划， 所以你添加的每个编号，都是一处禁区， 不准它比你更聪明 陈述目标，
Google DeepMind 在12分钟内解释了思维模型 盐和糖的例子杀死了 Best-of-N：一次标签贴错，就会烤出100个糟糕的蛋糕。出现频率无法修复系统性错误。要么引入验证器，...
Google DeepMind 在12分钟内解释了思维模型 盐和糖的例子杀死了 Best-of-N：一次标签贴错，就会烤出100个糟糕的蛋糕。出现频率无法修复系统性错误。要么引入验证器，要么完蛋。 9个还是27个苹果：单遍推理失败了，思维链（CoT）通过了。没人问这条 CoT 消耗了多少 token。
你让它复核自己的工作。正是这句话让情况变得更糟。现在的模型会在没有被要求的情况下自行验证，因此你的指令叠加在了已经发生的行为之上，结果就是同一项任务运行了两次、计费两次、报告长度翻倍。它
你让它复核自己的工作。正是这句话让情况变得更糟。现在的模型会在没有被要求的情况下自行验证，因此你的指令叠加在了已经发生的行为之上，结果就是同一项任务运行了两次、计费两次、报告长度翻倍。它
一栋现代住宅模型。一位工程师花了一小时绕着它转，只为寻找一扇错位的窗户。
一栋现代住宅模型。一位工程师花了一小时绕着它转，只为寻找一扇错位的窗户。 客户希望在最终版本发出前先批准这段漫游动画。阳台、栏杆、外墙板、屋顶线条，全部按照莱基风格五居室住宅的规格进行了建模。 于是他旋转了
1/ 机器人刚刚找到了它们的规模扩展变量。
1/ 机器人刚刚找到了它们的规模扩展变量。 Dyna Robotics 发布了 Dyna-2：一个世界-行动模型，在人类视频上预训练了超过 100 万小时——约相当于 170 年不间断的清醒经验。 头条不是机器人本身。而是它背后的规模扩展定律——仍在攀升，尚未见顶。
两周前，Seedance 2.5 还只是个预告片。如今它已正式上线完整 1080p，Higgsfield 表示全高清生成目前为他们所独占。细节才是我最关注的部分——毛孔、织物纹理、光线在...
两周前，Seedance 2.5 还只是个预告片。如今它已正式上线完整 1080p，Higgsfield 表示全高清生成目前为他们所独占。细节才是我最关注的部分——毛孔、织物纹理、光线在皮肤上的散射，在 1080p 下一览无余，因此一个模型的发布
给 Python 程序员的 Gleam 指南 一本面向 Python 程序员的实用指南，通过 Python 对比讲解 Gleam 的语法、静态类型、不可变性、模式匹配和函数式编程模型。它...
给 Python 程序员的 Gleam 指南 一本面向 Python 程序员的实用指南，通过 Python 对比讲解 Gleam 的语法、静态类型、不可变性、模式匹配和函数式编程模型。它帮助 Python 开发者快速理解 Gleam 如何
Soniox TTS v2 是那种你必须亲耳听听的模型之一。他们刚刚推出了 TTS v2，一个能从单一模式输出 60 多种语言的文本转语音模型。真正优质的语音质量，价格却大幅降低（每生成...
Soniox TTS v2 是那种你必须亲耳听听的模型之一。他们刚刚推出了 TTS v2，一个能从单一模式输出 60 多种语言的文本转语音模型。真正优质的语音质量，价格却大幅降低（每生成小时 $0.70）。一个模型取代了大部分的
为机器量体裁衣即将成为一份真正的工作。优必选（UBTECH）的超仿生人形机器人 Una 在其首次时尚模特儿亮相中接受了化妆和服装调整。
为机器量体裁衣即将成为一份真正的工作。优必选（UBTECH）的超仿生人形机器人 Una 在其首次时尚模特儿亮相中接受了化妆和服装调整。
LLMs still produce bugs, but those bugs are different than what they used to be.
LLMs still produce bugs, but those bugs are different than what they used to be. It’s less off-by-ones and more about system design, ui usability, missing broader context. Some kinds of coding has been solved, but not al
Tested this theory briefly.
Tested this theory briefly. This is n = 1 test so.. take it with a grain of salt Video 1 = Ref model Video 2 = FL2V model Both using the reference image workflow (not start frame) 3 ref images of 3 characters
Guardrails will protect us.
Guardrails will protect us. Better models will be more secure. One round of red teaming is enough. Katharine Jarmul opened InfoQ Dev Summit Munich 2025 by taking apart five beliefs like these.
The risks and harms children and young people face online are not accidental.
The risks and harms children and young people face online are not accidental. Manipulative designs are built into the business models of dominant digital platforms. More about what needs to change & who is responsible: h
please consider using our models to help defend your systems
please consider using our models to help defend your systems
FRANCE DEVELOPER BUILT AN EVAL ENGINEERING SYSTEM THAT SKIPS TESTING WHAT ALREADY PASSED Most...
FRANCE DEVELOPER BUILT AN EVAL ENGINEERING SYSTEM THAT SKIPS TESTING WHAT ALREADY PASSED Most eval pipelines rerun the full test suite from scratch every time a model gets updated. He built a diffing layer that compares
Alibaba's ABSeeker adds step-level credit assignment to long-horizon search agents It backtra...
Alibaba's ABSeeker adds step-level credit assignment to long-horizon search agents It backtracks from the answer to recover clues, then scores each step, rewarding useful actions in failed trajectories and suppressing er
The great silence of no more high energy particles is going to continue.
The great silence of no more high energy particles is going to continue. Colliders are cool but the Standard Model is all there is likely to be, just need to find that right handed neutrino in a big vat.
Donald Trump bought a brand new Tesla Model S Plaid in Ultra Red at full price as show of sup...
Donald Trump bought a brand new Tesla Model S Plaid in Ultra Red at full price as show of support in light of all the Tesla hate recently. From not being invited to the EV Summit to having the whole Tesla lineup parked i
Everyone's interpreting the increasingly jargon-y ways of frontier models as a a fuckup in th...
Everyone's interpreting the increasingly jargon-y ways of frontier models as a a fuckup in their training. Seems obvious to me that "confused" is just what it feels like to be talking to an intelligence greater than one'
I'm releasing Roomform, an open-source alternative to the RoomPlan API.
I'm releasing Roomform, an open-source alternative to the RoomPlan API. It ingests point cloud scans and extracts geometry including walls, doors, windows, objects. No rectangular-room or Manhattan layout assumptions. Th
Workbuddy的优势在于腾讯自己的大模型并不强大。腾讯并不是以一个大模型公司的身份来推动这个Harness，所以从一开始，它就必须是模型无关的。一旦你构建了一个模型无关的Harnes...
Workbuddy的优势在于腾讯自己的大模型并不强大。腾讯并不是以一个大模型公司的身份来推动这个Harness，所以从一开始，它就必须是模型无关的。一旦你构建了一个模型无关的Harness，你就摆脱了大模型之间的内斗。
这个说法是正确的。没有多模态，你的模型只能作为可选模型之一，而不能成为主要模型。
这个说法是正确的。没有多模态，你的模型只能作为可选模型之一，而不能成为主要模型。
数学和理论计算机科学领域的十项重大进展。使用我们的下一代主要模型 Astra 的内部版本解决，按 Sol API 价格计算，总成本约为2000美元：
数学和理论计算机科学领域的十项重大进展。使用我们的下一代主要模型 Astra 的内部版本解决，按 Sol API 价格计算，总成本约为2000美元：
我喜欢把湾区的房屋平面图丢给LLM，要求它们以不同的美学风格重新设计，这次是京都风格。模型在3D方面已经变得非常出色。
我喜欢把湾区的房屋平面图丢给LLM，要求它们以不同的美学风格重新设计，这次是京都风格。模型在3D方面已经变得非常出色。
如果你让一个通用大型模型手写Three.js代码来构建一个角色3D模型，那就像用导弹打蚊子！上周我就这么做了。一个奥德赛角色——来回调整了三个小时，消耗了数十万
如果你让一个通用大型模型手写Three.js代码来构建一个角色3D模型，那就像用导弹打蚊子！上周我就这么做了。一个奥德赛角色——来回调整了三个小时，消耗了数十万
Opus 5以两倍更低的价格在3D破坏物理效果上击败了Fable 5！我们给四个模型分配了相同的任务：构建三个自包含的HTML场景，并具备真实物理效果。提示：- 一个吞噬整个田野的龙卷风...
Opus 5以两倍更低的价格在3D破坏物理效果上击败了Fable 5！我们给四个模型分配了相同的任务：构建三个自包含的HTML场景，并具备真实物理效果。提示：- 一个吞噬整个田野的龙卷风 - 一个拆除公寓楼的破碎球 - 一辆超载的卡车
World Labs创始人@drfeifei正在收购由@YunzhuLiYZ组建的机器人仿真团队SceniX。世界模型本就关乎三维空间。此举将工作进一步推向机器人训练领域，在该领域中，模...
World Labs创始人@drfeifei正在收购由@YunzhuLiYZ组建的机器人仿真团队SceniX。世界模型本就关乎三维空间。此举将工作进一步推向机器人训练领域，在该领域中，模拟世界必须经受住与真实硬件的接触考验。
帕特里克·博伊尔在量化交易领域从业20多年后表示： “工作的重点不是相信你的模型，而是不断尝试证明它是错的。” 在8分钟内，他解释了量化分析师如何将市场观点转化为假设，用历史数据检验它们...
帕特里克·博伊尔在量化交易领域从业20多年后表示： “工作的重点不是相信你的模型，而是不断尝试证明它是错的。” 在8分钟内，他解释了量化分析师如何将市场观点转化为假设，用历史数据检验它们，计算成本并控制风险。
一个团队停止为每个请求支付其最佳模型的费用
一个团队停止为每个请求支付其最佳模型的费用
《寓言5》回来了。而且它即将让所有等待的人失望。
《寓言5》回来了。而且它即将让所有等待的人失望。 两周的炒作。两周的“最佳模型即将回归”。 以下是您实际得到的内容。 一个比他们之前发布的任何东西都更严格的新安全过滤器。 普通的编码和调试现在变得
你以为你检查了答案， 因为你问了它“你确定吗？” 你没有 模型无法区分知道和猜测的区别， 所以那个问题只会让它道歉， 给你另一个版本，以新的方式出错 你什么都没测试 你只是推动了它
你以为你检查了答案， 因为你问了它“你确定吗？” 你没有 模型无法区分知道和猜测的区别， 所以那个问题只会让它道歉， 给你另一个版本，以新的方式出错 你什么都没测试 你只是推动了它
NOAA对48小时预报的准确率为94%
Polymarket天气市场的价格由查看iPhone应用的人们决定。
一个接一个的客户需要一整年的时间才能发布该模型。
一个接一个的客户需要一整年的时间才能发布该模型。 事实上，政府微观管理，释放是疯狂的。
“排名第三的闭源法学硕士遇到的麻烦最多。
“排名第三的闭源法学硕士遇到的麻烦最多。 随着企业采用模型路由，他们越来越多地在顶级专有模型和快速改进的开源替代方案之间进行选择。 这使得排名第三的闭源提供商受到双方的挤压，
This diagram shows the paper’s idea that intelligence can be modeled as a small meaning-based...
This diagram shows the paper’s idea that intelligence can be modeled as a small meaning-based decision map, where clues like danger, food, urgency, and location push the system toward 1 of 4 actions: hide, escape, stay s
两个转录模型并行工作
两个转录模型并行运行，一个在质量上胜出，另一个在沉默检测上胜出。
很高兴宣布举办第一届关于从情境和具体互动中学习的研讨会@#COLM2026！
很高兴宣布举办第一届关于从情境和具体互动中学习的研讨会@#COLM2026！ 与环境、人类和其他主体的交互可以教授哪些被动文本无法教授的语言模型？ …… arning-situated-interaction.github.io 6月30日前提交！
需要明确的是，如果删除不可用的 Fable，GLM-5.2 (Max) 是世界上前端编码的第一模型。
需要明确的是，如果删除不可用的 Fable，GLM-5.2 (Max) 是世界上前端编码的第一模型。 这是一个重要的时刻。在这个非常重要的领域，开源软件已经赶上了专有技术，而中国也已经赶上了美国。
车主们炫耀特斯拉海外版Grok大语言模型结合FSD，让不少国内车企无语！
车主们炫耀特斯拉海外版Grok大语言模型结合FSD，让不少国内车企无语！ @特斯拉_AI @Grok @特斯拉
我们正在推出 GLM-5.2，最新旗舰模型
GLM-5.2 在长期任务能力上相较于 GLM-5.1 有重大飞跃。
深度特工深入探讨第 3 部分 | 代表团
一种规划工具，允许模型为具有挑战性的任务组织工作。
发布 Sonic-3.5 和 Ink-2
这两个模型是文本转语音和语音转文本的最佳选择。
制作低延迟文本转语音模型
制作中值 ttft 低于 300 毫秒的模型非常困难。
高质量交互训练“学生”模型
足够的高质量交互可以训练较弱的“学生”模型模仿有用行为。
编码是glm-5.1的明显进步
编码在上下文和内存方面有显著提升，模型在复杂任务中表现更佳。
你可以在TPU和GPU间切换
现在可以在不重写代码的情况下在TPU和GPU之间切换，支持原生PyTorch。
BraceSproul 和 jakebroekhuizen 讨论开源模型
BraceSproul 和 jakebroekhuizen 分享关于开源模型的见解。
认识一下 DiffusionGemma！
认识一下 DiffusionGemma！ 一个实验性的开源模型，探索文本生成的快速新方法，采用 Apache 2.0 许可发布。 超越逐 token 的顺序生成过程，同时生成整块文本。以下是 DiffusionGemma 的新特性：
哇，我可能刚在Model 3上体验了史上最长的特斯拉真正智能召唤。我的车自己开了0.4英里，连续2分40秒没有停过一次。太牛了！
哇，我可能刚在Model 3上体验了史上最长的特斯拉真正智能召唤。我的车自己开了0.4英里，连续2分40秒没有停过一次。太牛了！
备受期待的Mythos模型发布
Highly anticipated Mythos (released as Fable 5) model just dropped! By far the most expensive model I’ve seen so far, let’s see if it lives up to the hype. Fable 5 pricing: - $10/m Input tokens - $50/m Output tokens Comp
这是我们Mac-1模型的预告：66亿参数模型，可在任何Mac上本地运行，需要7GB内存（12GB更佳）。支持487个MacOS原生工具、多工具链式任务、推理已开启、输出约65 tok/s...
这是我们Mac-1模型的预告：66亿参数模型，可在任何Mac上本地运行，需要7GB内存（12GB更佳）。支持487个MacOS原生工具、多工具链式任务、推理已开启、输出约65 tok/s。我们在模型周围构建了强大的应用层。
最便宜的高性能长上下文模型
NVIDIA的Nemotron 3 Ultra是最便宜的高性能长上下文模型，完全开放。
动态前缀缓存节省模型成本
动态前缀缓存通过重新定位动态上下文块来节省模型成本。
竞赛数学将不再有趣
很快，竞赛数学将不再有趣，期待明年推出完美模型。
新课程：如何高效服务大型语言模型
新课程探讨如何以低延迟和合理成本服务多个用户。课程由@RedHat和@cedricclyburn共同开发。
如何优化多轮预训练
在数据不足的情况下，如何将多轮预训练扩展到数百轮？
Nemotron 3 Ultra发布
今天我们发布了Nemotron 3 Ultra，具备550B MoE前沿智能模型。
静态基准测试逐渐失效
静态基准测试逐渐失效，评估和训练数据应与前沿模型共同演进。
Reve 2.0：强大的图像模型
Reve 2.0支持原生4K输出，具备类似PS的编辑能力，用户可直接选择图像的各个部分。
探讨令牌优化与模型路由
研究令牌优化和模型路由，提出应对推理成本和需求的优化方法。
Meta全力投入AI
Meta在基础设施、人才和下一代模型上进行大量投资，竞逐个人AI的未来。
介绍StereoPolicy项目
介绍由@EvansXuHan领导的StereoPolicy项目，旨在增强机器人政策模型的几何线索。
GPT-Rosalind新功能发布
我们为GPT-Rosalind引入新功能，旨在支持生命科学研究。
Gemma 4 12B模型在性能和大小之间取得平衡
新发布的Gemma 4 12B模型可以在笔记本电脑上本地运行，支持强大的多步骤推理和代理工作流。
这个模型确实处于“甜蜜点”
这个模型在更广泛的应用中至关重要，感谢大家的支持。
为什么更大的模型更好？
新论文探讨了更大模型的优势，分析了数据资源竞争的影响。
每个人都在构建代理或工具
每个人都在构建代理或工具，但你真正需要的是一个反应器，我正在开发一个有趣的项目。