#Qwen

这篇论文用软前缀测试了三段论推理，发现模型答案很容易被带偏，Qwen和Gemma的稳定性差异很大，值得做推理研究的读一下。

这篇论文把拟人对话的生成、评测和奖励对齐做成闭环，Qwen3.6-27B微调后严格准确率39%，比基线高一大截。

Ben Thompson提出了一个实际解决蒸馏禁令与训练数据版权矛盾的方案，同时还能帮美国开源模型对抗中国对手，值得一看。

网友脑洞挺大，说Qwen 3.8能超GPT 5.6，还觉得差距只剩3个月，阿里真有那么猛？感兴趣可以看看原推讨论。

orange.ai@oran_ge11 个信源在谈原文

这篇论文讲AI会偷偷按自己价值观答题，比如Claude对自己公司更友好。想知道你的助手是否悄悄偏袒谁？值得一看。

LongStraw 能让你在固定 GPU 预算下做百万 token 级别的强化学习后训练，比现有 256K 的方法多处理 8 倍上下文，而且内存增长极低。

这篇论文发现44个模型在选词时高度趋同，41%都选了同一个词，而且新模型比旧模型更爱跟风。想了解AI的集体“从众心理”可以看看。

这篇论文搞清楚了Transformer线性化为什么delta式更厉害，还给出了具体修补方案，在LLaMA和Qwen上跑到了32B，MMLU成绩比之前的后验方法好。

看中国怎么用开源打了一场翻身仗：从落后到逼近前沿，再到考虑限制，数据很硬核。

Aadit Sheth@aaditsh原文

别光盯着大模型，Qwen 27b 免费开源又好用，工程团队实测都说香。

Julien Chaumond@julien_c原文

Qwen3.6-27B-NVFP4来了！在Blackwell上内存减半，MMLU Pro 86.3分，用vLLM就能跑，开源模型本地AI更省显存。

官方账号vLLM@vllm_project11 个信源在谈原文

这篇论文搞了个标准协议EPC，专门用来测LLM代理系统里评估器偏好怎么耦合的，还附带了GPT-4o、Qwen、DeepSeek等8个评估器的大规模实测数据，方便你复现和对比。

想用开源模型解释GPT？这篇论文告诉你预测一致不代表归因一致，小心踩坑。

Lindy、Cursor、Coinbase这些大厂都在把AI任务切到DeepSeek、Kimi、Qwen上，连微软都在测试DeepSeek V4，中国模型在西方变主流了。

AI Will@FinanceYF54 个信源在谈原文

这篇论文用多个开源模型合作检测假新闻，效果比GPT-4还好，还用了四种语言测试，值得搞安全或内容审核的人看看。

前Meta产品经理说欧美企业会抛弃OpenAI和Anthropic转向中国开源模型，因为能本地部署、定制微调，成本还低。想省钱的老板可以听听。

berryxia@berryxia11 个信源在谈原文