全部 AI 动态 · AI 热点

6月23日

10:48

10:48

arXiv cs.LG@Despina Christou, Grigorios Tsoumakas

论文对比了5个小型语言模型（360M至3B参数）在通用域和文学域关系抽取上的表现。在通用域，Qwen2.5-0.5B经过微调后达到0.83 micro-F1，超过零样本的GPT-5.4（0.69）和Claude Sonnet 4.6（0.66）。在文学域，调优后的SLM在Biographical基准上达0.92，GPT-5.4为0.83，文学均值0.833 vs 0.578。结果表明，任务特定调优的SLM可在单张消费级GPU上部署，提供准确、隐私且硬件高效的关系抽取。

AI模型 Qwen2.5-0.5B GPT-5.4 Claude Sonnet 关系抽取小语言模型

推荐理由：Qwen2.5-0.5B调优后，在关系抽取任务上干掉了GPT-5.4和Claude Sonnet，而且模型很小，单卡就能跑，适合隐私敏感场景。

6月16日

20:46

AITOP6月16日 20:46

600亿美元买下Cursor，xAI终于拿到了编程工具，但真正值得跟踪的或许不是AI

600亿美元买下Cursor，xAI终于拿到了编程工具，但真正值得跟踪的或许不是AI

10:46

10:46

arXiv: DeepSeek@Sen Xu, Shixi Liu, Wei Wang, Jixin Min, Yingwei Dai, Zhibin Yin, Yirong Chen, Xin Zhou, Junlin Zhang

VibeThinker-3B是一个3B参数的小型稠密模型，基于Spectrum-to-Signal后训练范式，通过课程监督微调、多域强化学习和离线自蒸馏提升。在AIME26上达到94.3分（测试时扩展至97.1），LiveCodeBench v6上Pass@1为80.2，最新LeetCode竞赛接受率96.1%。其性能与DeepSeek V3.2、GLM-5和Gemini 3 Pro等旗舰大模型相当或超越。IFEval得分为93.4，表明强推理未损害指令遵循能力。该工作提出了参数压缩-覆盖假说：可验证推理可压缩为紧凑推理核心，而开放域知识需宽参数覆盖。

AI模型 VibeThinker-3B 推理模型可验证推理小语言模型基准成绩

推荐理由：想看看3B小模型怎么打平千亿级大模型？VibeThinker-3B用AIME 94.3分、LiveCodeBench 80.2%的成绩告诉你，小模型也能杀进顶级推理梯队。

6月12日

12:57

AITOP6月12日 12:57

Claude代码里藏了个20260612，18个月后的AI记忆革命已经开始倒计时

6月11日

15:28

AITOP6月11日 15:28

1107 vs 303：谷歌悄悄开源了一个“拆打字机”的模型，把大模型速度翻了4倍

15:23

AITOP6月11日 15:23

DiffusionGemma颠覆文本生成？自回归模型的“统治”要结束了

15:07

AITOP6月11日 15:07

每秒1107个token，Google开源的扩散模型为什么能改变本地推理格局？

6月3日

01:31

01:31IT之家（博客/媒体）

微软在 Build 2026 大会上宣布为 Edge 浏览器扩展端侧 AI 能力，新增 Aion-1.0-Instruct 小语言模型开发者预览版，该模型比 Phi-4-mini 更小更快，可在低 GPU 或无 GPU 设备上运行，计划 7 月开源。同时，Edge 148 预览版推出基于端侧任务专用模型的语言检测和翻译 API，支持 145 种以上语言，开发者可通过 JavaScript 调用，无需云服务即可实现零成本翻译。此外，Edge Canary 和 Dev 通道还新增了 Web Speech API 的端侧语音识别功能，语音转文字在本地完成，改善隐私和延迟。这些更新让开发者能利用内置浏览器模型打造 AI Web 体验，无需专用硬件或云服务。

AI产品微软 Edge 浏览器小语言模型翻译 API 端侧 AI

推荐理由：Edge 浏览器终于把 AI 能力下放到端侧，做 Web 应用或浏览器扩展的开发者可以直接用这些 API 实现翻译和语音识别，无需依赖云服务，隐私和成本都更友好，建议试试。

6月2日

09:39

09:39

arXiv cs.AI@Ranulfo Bezerra, Satoshi Tadokoro, Kazunori Ohno

这篇综述论文系统梳理了人工智能、物联网与机器人三者融合的现状与挑战。尽管AIoT和IoRT（物联网机器人）已有进展，但缺乏统一的设计框架。论文强调了小语言模型（SLM）在边缘端和大语言模型（LLM）在云端的协同作用，用于分布式认知与自主决策。作者提出模块化系统架构，分析了互操作性和反馈控制方面的持续缺口，并按集成深度对现有工作分类。该工作为构建下一代模块化、可解释、能动态学习的AI-IoT-机器人生态系统提供了概念和技术路线图。

论文 AI-IoT-机器人融合小语言模型大语言模型边缘计算连接机器人

推荐理由：做机器人或物联网系统架构的开发者，这篇综述帮你理清AI、IoT和机器人三者如何真正融合，避免重复造轮子，值得收藏作为技术路线参考。

5月26日

12:36

12:36

arXiv: DeepSeek@Andrey Kozachok, Anatoliy Bakaev, Aleksandr Kozachok, Shamil Magomedov, Artem Noev

精选

该论文提出一种名为“上下文工具数据蒸馏”的方法，专门用于让小语言模型（SLM，参数最多 4B）生成 Kubernetes YAML 等 DSL 工件。方法通过合成生成和反向指令生成构建语料，并仅将通过外部验证器且匹配领域上下文的样本加入训练。在资源受限条件下，使用 DeepSeek-V4 Flash 作为教师模型，微调 Qwen2.5-Coder-1.5B-Instruct，在 K8s-Distill-Pilot 数据集上达到 91.5% 的完全通过率。关键发现是：输出格式的严格约束比增加训练样本数对结果质量影响更大。

论文 Kubernetes 小语言模型数据蒸馏 YAML 生成 DeepSeek

推荐理由：K8s 运维和平台工程团队终于有了一个轻量级方案来生成 YAML 清单——1.5B 模型就能跑出 91.5% 的通过率，做基础设施自动化的开发者可以直接参考其数据蒸馏思路。

5月14日

13:27

13:27

arXiv: OpenAI@Anuj Sadani, Deepak Kumar

精选

本文提出一种完全在设备端运行的 PII 替换流水线，使用 1.5B MoE 分类器检测实体、1-bit Bonsai-1.7B 小语言模型生成上下文相关的假名，以及规则生成器处理模式化字段。研究发现，小模型在少样本提示下会逐字复读演示输出，而非根据输入生成。通过引入基于语言环境的旋转演示池和 MD5 哈希采样，成功消除了 482/482 次调用中的复读现象。尽管生成的假名更自然，但在下游 NER 任务中，规则生成的多样性优于小模型的自然性，这是一个诚实的负面发现。

论文小语言模型 PII替换少样本提示设备端推理隐私保护

推荐理由：做设备端隐私处理或小模型应用的团队，这篇论文揭示了少样本提示中一个容易被忽视的陷阱——模型会复读演示而非推理，并给出了一个简单有效的修复方案，值得点开看看。