Papers09:21
Chinese contentMedUPS：面向罕见病例的大语言模型诊断辅助MedUPS 用强化学习教模型在罕见病例中预测下一步决策，三个开源模型准确率都提升了，数据集和代码已开源。
Latest
Every published item, in order · 827 items
Aug 4
Chinese contentLocus后训练Qwen3超越官方，登顶PostTrainBench
Locus这个自动化系统后训练的模型居然干过了人类调的Qwen3 1.7B，在PostTrainBench上拿了第一，还上了Kaggle奖金赛前排。
Chinese content阿里发布Qwen3.8-Max：开发者实测称开源已追上闭源
阿里Qwen3.8-Max在Hermes Agent上表现很猛，编码和协作都强，开源都快追上闭源了，你可以试试。
Aug 3
Chinese contentQwen3.8-Max 位列 Frontend Code Arena 第四，得分 1668
Qwen 的 Qwen3.8-Max 冲到代码榜第四，只比 Claude Opus 5 High 档低一分，做前端的可以看看。
Chinese content阿里qwen3.8-max空降综合榜第五，字节seedream-5.0-pro生图第六
阿里新模型qwen3.8-max一上榜就冲到综合第五，只比榜首Claude差13分；kimi-k3-max代码也进了前十，国产模型进步挺明显，榜单值得翻翻。
Chinese content阿里发布Qwen3.8-Max：2.4T参数、1M上下文，一周内开源
阿里发了Qwen3.8-Max，2.4T参数加1M上下文，做长任务Agent很强，而且下周就开源了，能直接玩。
Chinese content阿里发布 Qwen3.8-Max，下周与 Qwen3.8-27B 一起开源
阿里把 2.4T 参数的 Qwen3.8-Max 拿出来，下周连 27B 一起开源，缓存价只要 0.25 美元，可以蹲一手。
Chinese content阿里发布Qwen3.8-Max，2.4T参数下周开源，主打自主编程与多模态
阿里发了Qwen3.8-Max，2.4T参数，能自己写代码跑10天出成品，下周开放权重，27B版也一起开源。
Chinese contentQwen3.8-Max以1668分居Frontend Code Arena第四
阿里新模型Qwen3.8-Max代码榜排第四，1668分，输入输出token价格只要2美元和6美元，性价比很能打。
Products11:39
Chinese content千问办公开启公测，集成阿里旗舰模型 Qwen3.8阿里把三款办公工具合成一个千问办公，接上了最新的 Qwen3.8，个人免费版就能用，想试试企业级 Agent 的可以去官网体验。
IT之家Source
Chinese contentQwen3.8-Max登Frontend Code Arena第四，下周开源权重
阿里的Qwen3.8-Max刚发布，前端代码榜排第四，分数紧咬Claude和Kimi，下周还开源权重，可以蹲一下。
Chinese contentQwen3.8-Max居Vision Arena第二，紧追Claude Fable 5
Qwen3.8-Max在视觉榜单冲到第二，只比Claude Fable 5低13分，想看看国产视觉模型底子的可以关注。
Chinese content阿里千问 Qwen3.8-Max 上线，参数达 2.4 万亿
千问新模型 Qwen3.8-Max 有 2.4 万亿参数，编程办公更强，端到端自主干活，下周还开源。
IT之家Source
Chinese content清华开源VeriLoop Coder-E1，证据治理螺旋驱动可验证递归自改进
清华开源了个能自己改代码的模型VeriLoop Coder-E1，SWE-bench拿85.2分，比很多大模型都强，想搞代码修复的可以试试。
Models09:21
Chinese contentSESA：让技能记忆参与自博弈进化的搜索智能体SESA让AI自己出题自己练，把失败经验存下来反复用，问答准确率比SSP高1到3个点，代码已经开源了。
Aug 2
Chinese contentDeepSeek V4 Flash登顶NYT Connections新基准
DeepSeek V4 Flash在谜题基准拿到89.6，赢了Gemini 3.6的89.0，推理表现很亮眼。
Aug 1
Chinese content花一杯咖啡钱微调嵌入模型：Qwen3-Embedding-8B 域适配
Fireworks 用不到 10 美元教会你微调 Qwen3-Embedding-8B，三个实验最高 nDCG 涨 36%，做 RAG 的值得看。
Jul 31
Papers12:53
Chinese content本地 Computer-Use Agent 的推理时扩展：失败模式与计算权衡这篇论文实测了三个本地模型在 OSWorld 上的推理时扩展，发现多算不一定提升成功率，反而换着花样失败。做本地 CUA 部署的可以当避坑参考。
Papers12:36
Chinese contentReToken：一个Token改进视觉语言模型的视觉检索ReToken用一个小token当检索目标，从KV缓存里挑关键视觉token，Qwen3VL-8B在Visual Haystacks涨13.4分，单卡H100就能跑。
Papers11:52
Chinese contentTheia：面向无数据蒸馏的Incidents1M大规模多模态描述与自动验证想把纯图片的Incidents1M变成图文对？这篇用Qwen3.5做生成和验证，10万条描述加自动打分，干活靠谱。
Models11:48
Chinese contentLG AI研究院发布K-EXAONE 2.0：750B参数韩国最大开源模型LG开源了韩国最大的K-EXAONE 2.0，750B参数，跑分比初代高10%，长上下文和工具调用还压过了GLM-5.1。
IT之家Source
Papers09:53
Chinese contentMORFES：现代希腊语屈折能力基准专门测希腊语变格的基准，500道题验证模型是不是真懂语法规则，Sophea-Genesis-1拿了头名，权重还开源了。
Chinese contentBlueprintRepair：用于Lean证明蓝图的类型化局部编辑
修Lean证明蓝图？这个接口用类型化编辑，比源码补丁省30%、比重写省一半，1万token内就顶到上限。
Chinese contentAgentS4D：LLM工作区智能体执行生命周期的运行时风险基准
AgentS4D 用 328 个风险案例测了 20 种智能体组合，发现 66% 的测试任务虽然完成但实际不安全，别光看结果。
Chinese contentLLM Chat Completions Server 0.1a0 发布，本地运行 OpenAI 兼容 API
Simon 搞了个小工具，让你在本地用 OpenAI 的 API 格式调用任何 LLM 模型，像 qwen3.5-4b 这种，还能自动去重消息，试试看。
Jul 30
Papers11:29
Chinese contentMindForge: 通过源码无关程序合成教小语言模型全生命周期软件工程MindForge 教小模型从零写完整软件，不用源码只用可执行文件和文档就把 Qwen3.6-27B 在 ProgramBench 上提升了 11.53%，跟大模型差不多。
Jul 29
Papers12:01
Chinese contentRelay-OPD：通过轨迹接力改进同策略蒸馏这篇论文提出了一个很聪明的改进：当学生模型推理跑偏时，让老师模型短暂接管一段，再交回学生继续训练。在Qwen3小模型上效果明显，数学推理准确率提升，训练还更快。
Jul 28
Chinese contentQwen3.8-Max-Preview发布，阿里启动#QwenGrowthPlan邀开发者反馈
阿里发了个新模型Qwen3.8-Max-Preview，还搞了个成长计划，让你用模型做任务提反馈还能拿奖励，玩起来！