06:21Stanford AI Lab@StanfordAILabStanford AI Lab组织了一次论文俱乐部活动,由Francois Chaubard主持,聚焦AI推理硬件与系统自动化。Stuart Sul(Stanford/Cursor)介绍了ParallelKittens论文,探讨并行计算架构。Avanika Narayan和Jon Saad-Falcon分享了Intelligence Per Watt论文,衡量本地AI的智能效率。Misha Smelyanskiy(Nvidia/NewCo)阐述了AI推理需要异构硬件的观点。活动还涉及CUDA教学和机器人主题预告。论文ParallelKittensIntelligence Per WattStanford AI Lab2 个信源在谈事件专题推荐理由:这次论文俱乐部聊了ParallelKittens和Intelligence Per Watt,都跟AI计算效率相关,适合关注推理硬件的朋友。原文稍后读已读值得跟进有用关注 ParallelKittens
17:10Stanford AI Lab@StanfordAILab精选斯坦福AI Lab提出Distill to Detect(D2D)方法,通过蒸馏微调模型与基座模型的差异到小型“子弹”中,放大隐蔽偏见至生成文本,使现有审计工具(如训练集探测)能检测到。论文显示D2D在单个未知主题上可揭露30%以上的隐藏偏好,且无需预知偏见方向。该方法为模型审计提供了系统性的未知偏见发现手段。论文Stanford AI LabD2D微调推荐理由:想查你的微调模型有没有偷偷偏向某件事?D2D把模型差异蒸馏出来放大,让你抓到那些连你都不知道要找的偏见。原文稍后读已读值得跟进有用关注 Stanford AI Lab
20:25Stanford AI Lab@StanfordAILab斯坦福AI实验室在ICML 2026(首尔)公布了论文列表,覆盖编码智能体、LLM推理、评估与基准、AI安全与可解释性、AI for Science五大方向。这些论文涉及具体技术进展,如代码生成Agent、推理链优化、新基准测试等。会议于首尔举行,吸引全球研究者关注。论文ICML 2026Stanford AI Lab智能体推荐理由:斯坦福AI Lab把ICML 2026的论文一次性列出来了,从编码智能体到AI安全都有,搞研究的朋友直接看这列表就行。原文稍后读已读值得跟进有用关注 ICML 2026
17:27Stanford AI Lab@StanfordAILab精选Stanford AI Lab发布OpenThoughts-Agent-v2和OpenThinkerAgent-32B,两者均基于Qwen-3开源数据。在计算控制比较中,该模型在全部训练规模下领先,并在7个agent基准测试上平均得分44.8%。模型在终端使用和编码任务上表现突出,且泛化能力强。AI模型OpenThoughts-Agent-v2Qwen-3Stanford AI Lab推荐理由:斯坦福开源了新agent模型,基于Qwen-3在7个基准上平均44.8%,小模型也能打,值得一试。原文稍后读已读值得跟进有用关注 OpenThoughts-Agent-v2