Papers09:40
Chinese contentEval-Skill：探索引导的评估技能合成，提升奖励模型判断力做奖励模型或 LLM 评估的团队终于有了一个轻量级替代方案——不用每次生成评分标准，而是合成可复用的评估技能，效果还比传统方法好很多，值得在 RewardBench 上跑一下自己的模型。
Latest
Every published item, in order · 825 items
Jun 8
Chinese contentQwen3.7-Max 实测：Claude+Qwen 组合效果超 GPT5.5，成本不到 10 元
不到 10 元就能跑出接近 Opus4.8 的效果，做 AI 应用开发的团队值得关注这个低成本高性价比的模型组合方案。
Jun 6
Chinese content开源语音模型 Audio Interaction 每 0.4 秒决定是否说话
这款模型解决了实时语音交互中“等待录音结束”的痛点，做语音助手或实时翻译的开发者可以直接在 GitHub 上试玩，体验每 0.4 秒的决策能力。
Chinese contentQwen3.7-Plus：阿里将多模态AI变成自主智能体
阿里将多模态AI推向自主智能体新高度，做GUI自动化或端到端应用开发的团队值得关注——它能自己写代码、操作界面，11小时产出上万行代码，效率惊人。
Chinese contentAnthropic 80%新代码由Claude生成，Google Gemma 4 12B本地运行
AI 编程和数学推理的突破正在改变开发和研究方式，做 AI 应用或数学研究的团队值得关注这些进展，尤其是 Claude 的代码生成和 Gemma 4 的本地部署能力。
Jun 5
Chinese contentRBI-Eval：衡量记忆增强对话代理何时不该使用敏感记忆
该研究揭示了记忆增强AI代理在敏感信息使用上的关键盲区，做对话系统和个性化AI的开发者值得关注——它直接关系到用户隐私和信任。
Chinese content自我进化智能体：更优求解器比更大更新模型更关键
这篇论文戳破了“越大越好”的直觉，做智能体自我进化的团队会发现，把预算花在求解器上比花在进化器上更划算，值得重新审视你的架构设计。
Jun 4
Chinese contentNex-N2-Pro 基于 Qwen3.5-397B，性能对标 GPT-5.5 和 Claude Opus 4.7
做智能体编程或深度搜索的团队，现在就能免费试用一个对标顶级闭源模型的开源 MoE 模型，且能直接接入 Claude Code、Cursor 等工具，值得立即体验。
Chinese content中科大开源智能体驱动长上下文训练范式：30B模型媲美Qwen3-235B
中科大用30B模型打平235B的长上下文能力，做长上下文训练的团队可以直接复用这套开源范式，省下大量算力和数据成本。
Jun 3
Chinese contentVaSE：面向推理模型的随机KV缓存淘汰方法
推理模型的长输出让内存和计算成本飙升，VaSE用随机淘汰策略在4倍压缩下保持高准确率，做推理模型优化的开发者可以直接参考论文实现。
Chinese contentAlignAtt4LLM：首个将 AlignAtt 用于纯解码器 LLM 的同传系统
做同声传译或实时翻译系统的团队，终于有了一个在纯解码器 LLM 上跑 AlignAtt 的可行方案，低延迟场景下效果显著，值得参考实现。
Jun 2
Chinese content阿里Qwen团队发布Qwen3.7-Plus，集成视觉、深度推理与工具调用
Qwen3.7-Plus把视觉、推理和工具调用整合到一个模型里，做多模态应用的开发者可以直接在百炼平台体验，省去拼接多个模型的麻烦。
Chinese contentAdaCodec：为视频MLLM设计的预测式视觉编码，1/7预算超越全帧基线
做视频理解或多模态模型优化的团队，终于有了一个能大幅降低计算开销而不牺牲性能的方案——AdaCodec用预测式编码直击视频冗余痛点，建议做视频MLLM的开发者直接看论文复现。
Chinese contentQwen3 2-bit 推理失败模式与恢复：FP16 规划+循环救援提分至 87.2%
做推理模型量化和部署的团队终于有了针对 2-bit 失败模式的系统解法——不是简单降精度，而是用 FP16 规划和循环救援来修复生成过程，Qwen3 用户可以直接复现并提升准确率。
Chinese contentQwen3.7-Plus 开源：多模态智能体模型统一视觉与语言
多模态智能体模型将视觉与语言统一，做自动化操作和智能体开发的团队可以直接用 API 试，省去自己拼接多模型的工作。
Chinese content阿里发布 Qwen3.7-Plus：统一视觉与语言的多模态智能体模型
做多模态应用或智能体开发的团队可以直接用 API 试——一个模型搞定看、想、写、做，省去多模型拼接的麻烦。
Chinese contentQwen3.7-Plus 发布，多模态 Agent 能力再升级
Qwen3.7-Plus 把多模态 Agent 的实用门槛又拉低了一截，做自动化工作流或 GUI 操作的开发者可以直接关注，性价比和功能覆盖都很能打。
Chinese contentQwen3.7-Plus 测评：10项任务完成尚可，新任务暴露与SOTA差距
Qwen3.7-Plus在多项任务中表现尚可，但新任务暴露了与SOTA模型的差距，关注通义千问系列进展的开发者可以看看具体哪些场景翻车了。
Chinese content阿里发布 Qwen3.7-Plus 模型，升级多模态交互混合智能体
Qwen3.7-Plus 把视觉与语言统一到智能体基座，做多模态应用或办公自动化的团队可以直接在百炼上试，能省掉不少模型拼接的麻烦。
Jun 1
Chinese content自我改进智能体的关键建议：大模型并非最佳进化器
这篇研究戳破了“大模型=好进化器”的直觉误区，做智能体开发的团队可以重新分配预算——用便宜模型写更新，贵模型做执行，效果反而更好。
Chinese contentKwaiKeye 开源 Keye VL 2.0-30B-A3B：30B 参数、3B 活跃，视频理解逆直觉提升
做视频理解或多模态应用的开发者，终于有了一个长上下文和深度理解兼得的开源模型，建议直接去 Hugging Face 下载试试。
May 30
Chinese content英伟达推出 LocateAnything，高速高精度对象检测模型
机器人感知和 GUI 自动化开发者终于有了一个兼顾速度和精度的检测方案——LocateAnything 的并行解码设计让实时交互成为可能，做具身智能或屏幕操作 Agent 的团队值得直接试。
IT之家Source
May 29
Papers13:06
Chinese contentConMoE：无需微调的MoE压缩框架，通过原型重分配保留专家池MoE模型部署内存瓶颈的团队终于有了无需微调的压缩方案——ConMoE通过原型重分配直接减少专家数量，做模型推理优化的开发者可以试试这个即插即用的方法。
May 28
Chinese contentHugging Face 团队让异步 RL 权重同步带宽成本降低约 100 倍
做分布式 RL 训练的团队终于可以告别昂贵的带宽和复杂的基础设施——只需 HTTPS 和一个 Bucket，就能实现跨区域的推理集群同步，建议搞 RL 的开发者直接看原文。
Chinese contentQwen3.7-Max登顶OpenRouter趋势榜，使用量达77.3B tokens
Qwen3.7-Max登顶OpenRouter趋势榜，说明它在实际使用中获得了开发者认可，做AI应用或模型评测的团队值得关注这个新标杆。
Chinese contentQwen3.7-Max 登顶 ITBench-AA 企业 IT 任务评测第三
企业 IT 运维团队终于有了靠谱的 AI 评测标准——ITBench-AA 模拟真实 K8s 故障排查场景，做 SRE 或 FinOps 的开发者可以直接参考模型表现来选型。
Chinese contentQwen3.7-Max 登顶 ITbench-AA 第三，企业 IT 任务能力获认可
Qwen3.7-Max 在企业 IT 基准测试中跻身前三，做企业级 AI 应用或 IT 自动化的团队值得关注——它证明了开源模型也能在真实业务场景中与闭源模型一较高下。
Chinese contentMoE转稠密模型：首个系统框架将混合专家模型蒸馏为全稠密架构
这个框架解决了MoE模型在内存受限设备上部署的痛点，做模型压缩和边缘部署的团队可以直接参考其方法，比传统剪枝效果更好且训练更快。
Papers11:55
Chinese content医疗CoT蒸馏：答案准确率提升，推理步骤错误率反升做医疗AI或模型蒸馏的团队注意了：答案准不等于推理对，蒸馏后步骤错误率反而飙升，临床场景下这是致命隐患。建议点开看看审计方法，避免踩坑。
Chinese contentSkill-Conditioned Gated Self-Distillation 提升 LLM 推理能力
做 LLM 推理优化的研究者可以关注——SGSD 用技能库替代参考答案作为先验，降低了蒸馏对标注数据的依赖，数学推理场景效果显著，值得在自蒸馏框架中尝试。
Chinese content英伟达开源 Polar 框架，Codex 跑分暴涨 594.74%
做代码智能体训练的团队终于有了一个不用重写框架就能接入强化学习的方案——Polar 让 Codex 跑分暴涨近 6 倍，建议搞 AI 编程的开发者直接看论文和代码。
Chinese contentQwen3.5 达 580 tps 创纪录，TokenSpeed 引擎优化开源 LLM 推理
580 tps 意味着智能体应用可以几乎实时响应，做 LLM 推理优化或 Agent 开发的团队值得关注这个开源方案，可以直接参考 PyTorch 博客里的实现细节。
Chinese contentNVIDIA 发布 Polar：跨 Codex、Claude Code 和 Qwen Code 的 GRPO 训练框架
Polar 解决了 RL 训练智能体时需修改框架的痛点，做代码智能体或 RL 训练的开发者可以直接集成，无需改动现有工具链，值得一试。
May 27
Products19:45
Chinese content阿里云用Qwen3.7-Max驱动Hermes Agent，与NousResearch合作做智能体开发的团队可以关注——Qwen3.7-Max与Hermes Agent的结合意味着更强的推理和任务规划能力，建议直接上手试试。
Chinese contentQwen3.7 Max 支持 Go 语言，1M 上下文+更强推理
Go 开发者终于能直接调用 Qwen3.7 Max 的 1M 上下文和强推理能力了，做大型代码库分析或长文档处理的团队值得一试。
Chinese contentBRANE：自然语言查询驱动的检索Agent配置优化
检索Agent的配置优化是成本与质量的永恒博弈，BRANE让每个查询都能自动找到最优解，做RAG或搜索系统的团队可以直接参考其方法，省下大量手动调参时间。
Chinese content用 ZeroEntropy Zerank-2 重排序器构建高精度检索管道
做 RAG 或搜索系统的开发者，这个教程直接教你用 Zerank-2 搭建两阶段管道，从环境配置到实战代码都有，值得跟着跑一遍。
Chinese contentQwen3.7 Max 登顶 Code Arena 前端第4，超越 GLM-5.1，追平 Claude Opus 4.6
Qwen3.7 Max 在智能体编程任务上追平了 Claude Opus 4.6，做前端开发或自动化智能体的团队值得一试，尤其是需要长时自主执行的场景。
