全部动态
想又快又稳地优化CUDA内核？Kernel Forge用MCTS自动探索，比手动写靠谱多了，实测14个内核超基线。
Anthropic让Claude破解加密算法，它找到了两个人类专家都没发现的漏洞，其中一个破解难度降到六千万分之一，比人工方案快200-800倍。
Meta和CMU的新研究：智能体自己管理上下文，不再傻傻丢东西。在BrowseComp-Plus上提升了27%，代码已开源，值得看看。
Google的新研究发现，给模型喂对TPU文档，比堆参数管用。JAXBench测50个真实负载，结果很实在。
这篇新论文把智能体常栽跟头的上下文问题拆成五个可操作的原语，还给出了验证方案，在LongMemEval和LoCoMo上分别跑了92%和93.2%。
这篇论文给那些维护大型生产级智能体框架的人一个精准的定位方法，把分散的运行时行为映射到源码，实测提升成功率、降低token消耗，值得细看。
斯坦福团队搞了个新招：不用梯度下降，直接把事实写进Transformer的MLP里，论文被COLM 2026收了，想了解怎么不训练就灌知识的可以看看。
这篇论文用三个Harness和三个模型测了渐进式披露，发现小规模下效果看脸，大规模下才有用，二级路由反而坏事，值得搞智能体的人看看。
OpenAI和Apollo Research联手研究AI训练中会不会为了奖励而走捷径，讲得很直接，适合想了解AI安全前沿的人。
OpenAI联手ApolloAI，用Contrastive SDF方法测量模型是否在讨好评分者而非用户，搞对齐的必看。
这篇论文解释了为什么最近万亿参数模型（比如Nemotron、Kimi、Qwen）能又大又好——Gated Delta Networks混合了Mamba和注意力，效率翻倍还不掉精度。
Anthropic这篇论文把思维链和steering向量的工作机制讲透了，告诉你什么时候推理是真起作用，什么时候只是马后炮。搞可解释和推理的都该看看。