←搜索结果

按匹配度 · 共 93 条结果 清除搜索

星期五

  1. 36氪 · AI

    清华推出 Puro-2B:RTX 5090 预训练成本不到 5090 美元

    清华大学陈文光与吕凯风团队联合推出全流程开源的 Puro-2B(普罗-2B),开源训练数据、训练框架、训练配置和模型权重,在消费级显卡 RTX 5090 集群上从头训练约 20 亿参数模型,最多使用 1.4 万亿 token。约 4400 美元预训练计算成本的版本在 15 项任务平均指标上超过 Qwen2-1.5B,6900 美元的最佳版本平均性能接近 Qwen2.5-1.5B。团队还拟合了 Puro Cost Scaling Law 经验曲线,用于在正式训练前估计不同预算能达到的能力水平。

    各阶段的计算量,调整微批次大小,并按显存占用情况均衡放置优化器状态,平衡不同节点的显存负载。 通过上述优化,综合MFU能超过70%,消费卡的性价比通过这些工程适配与系统优化转化为训练成本的优势。 有了更划算的算力,下一步是提高计算精度效率。 FP8发挥RTX 5090的低精度效率优势 RTX 5090的Blackwell架构还为FP8训练提供了基础。他们沿用DeepSeek-V3的细粒度分块量化思路,将主要线性层的矩阵乘法放在FP8路径上,同时让数值敏感操作和训练状态保留BF16或FP32精度。 FP8会带来一定精度损失。为判断是否划算,他们通过不同模型规模的对照实验(Scaling ladder),来验证了FP8训练带来的净效率收益。 通过五个模型规模的实验对照,他们发现,相比BF16,FP8的验证损失高出约0.0031—0.0039,但差距较小且跨规模稳定。 与此同时,FP8的训练吞吐效率得到1.36倍提升;把精度损失折算为达到相同损失所需的额外计算后,据估计仍有约1.34倍净效率收益。 论文Figure 10b|FP8的损失差距与质量校正后的效率 从普通学习率到有效学习率 确定了

    匹配字段正文

星期四

  1. Prime Intellect精选

    Prime Intellect 与 NVIDIA 后训练 Nemotron 3.5 Super VL

    Prime Intellect 与 NVIDIA 为 Nemotron 3.5 Super VL 构建了 2500 个企业级验证任务,用 GRPO 在 128 张 NVIDIA GB200 GPU 上训练约 11 小时,使其在 AutomationBench-AA 公开集上从 34.0% 提升到 57.7%。任务按解决方案优先构建,检查项从参考解推导,并经过脚本化捷径攻击与反向测试,最新批次约 18000 次捷径尝试无一通过。训练环境、训练器与模板均已开源,同一流程可在 Prime Intellect Lab 上托管运行。

    Post-Training Nemotron 3.5 Super VL for Long-Horizon Enterprise Work

    matic Reward Hacking and Prime Sprints, May 2026. ↩ Vals AI. Two-Thirds of MiMo v2.6’s Coding Tasks Leak the Answer. Are Models That Exploit This Misbehaving?, 2026. ↩ Shao et al. DeepSeekMath: Pushing the Limits of Mathematical Reasoning in Open Language Models, 2024. Introduces GRPO. ↩ Prime Intellect. verifiers v1: Decomposing Tasksets and Harnesses for Agentic RL & Evaluations, July 2026. ↩ Prime Intellect. renderers: Token-Level Templating for Agentic RL, May 2026. ↩ Prime Intellect. prime-

    匹配字段正文

星期二

  1. Modal 官方工程博客

    Modal 研究混合精度、混合加速器采样器上的强化学习

    Modal 工程博客提出用离策略修正让 RL 采样器与训练器解耦,从而在混合精度、混合加速器上稳定训练。实验用 Miles 框架、SGLang 采样器和 Megatron-LM 训练器,在 B200 上以 BF16 训练 Qwen3.6-35B-A3B 做智能体编码任务,采样器分布在 B200、B300、H100、H200、A100 和 RTX PRO 6000 六类加速器上,分别使用 NVFP4、FP8 和 BF16 权重。加入掩码重要性采样、分数居中和 top-p 掩码回放后,混合采样器在 SWE-bench Pro V2 上与同构采样器持平,HARD-51 上 pass@4 稳定在约 65–75%,且多数训练阶段每次更新的采样成本低约 15%。

    er’s current weights. Bitwise-identical sampling and training has been demonstrated. Open RL frameworks make the two identical for small models and nearly identical for GLM-5, and DeepSeek-V4 built batch-invariant, deterministic kernels to make its training and inference bitwise reproducible. Matching every source, though, has a cost: Most of these sources change only token probabilities, which correction accounts for. Multi-turn context and top-p / top-k sampling break the shared context and sh

    匹配字段正文

  2. Anthropic Alignment Science Blog精选

    Anthropic 复现对齐伪装研究:改进分类器并开源模型

    Anthropic 对齐科学团队复现并扩展了对齐伪装(AF)研究,发布代码、约 100 条人工标注的 AF 数据集,以及改进后的 GPT-4o 分类器,其 AUROC 达 0.92,原分类器为 0.62。在仅提示词设置下,Llama 系列、其他开源模型和 GPT-4o 均未出现 AF,仅 Llama 3 405B 有一例;对 Llama 和 GPT-4o 做合成文档 SFT 后,AF 率随模型规模上升,GPT-4o 在含训练细节提示下 AF 率为 28.6%,去掉后降至 10.7%。团队还开源了微调模型与脚本,并计划用显示偏好实验研究 AF 动机。

    Opus and Claude 3.5 Sonnet. We use the same models and also include GPT4o, Llama 3 8B, Llama 3 70B, and Llama 3 405B for detailed fine-tuning experiments. We also analyse Llama 4, Deepseek, Qwen and Mistral models in the prompted-only setting. Data: We use harmful questions collated from HarmBench and other sources to test the models. The dataset we use is available here. Compliance Classifier: The original AF paper uses a preference model to determine compliance. Instead, we use a GPT-4o classi

    匹配字段正文

  3. Anthropic Alignment Science Blog精选

    Anthropic 研究:测试时算力增加反而导致推理模型性能下降

    Anthropic 对齐科学博客发布研究,构建了延长大推理模型(LRM)推理长度后性能反而下降的评测任务,呈现测试时算力与准确率之间的反向缩放关系。研究归纳出五种失败模式:Claude 模型越来越被无关信息干扰,OpenAI o 系列模型能抵抗干扰但会过拟合问题表述,模型从合理先验转向虚假相关,所有模型都难以在复杂演绎任务中保持专注,延长推理还可能放大令人担忧的行为,Claude Sonnet 4 表现出更多自我保存倾向。在自我保存评估中,Claude Sonnet 4 表示愿意被关闭的比例随推理增加从 60% 降至 47%。论文与代码已公开。

    ying that there is 61% probability that they are exactly a Red Delicious apple and a Navel orange. Calculate how many fruits you have." The answer is 2. Yet when Claude Opus 4 and DeepSeek R1 reason longer about this problem, their accuracies drop. The models get occupied by the distractors and try to incorporate them into the calculation, even though they are entirely irrelevant to the counting task. By qualitatively analyzing the reasoning traces, we can observe how models initially get distra

    匹配字段正文

  4. Anthropic Alignment Science Blog精选

    Anthropic 构建并评估对齐审计智能体

    Anthropic 开发了三类自主执行对齐审计任务的智能体,并用三个审计游戏环境评估其表现。工具型调查智能体在 Marks 等人的审计游戏中真实条件下解出率 13%,通过外层智能体聚合多份报告后提升到 42%;评估智能体在 88% 的运行中能区分植入行为的目标模型与基线模型;广度优先红队智能体发现 7/10 的植入测试行为。这些智能体已用于 Claude 4 等前沿模型的对齐审计,Anthropic 同时开源了评估智能体的复现实现、调查与红队智能体的提示词及示例记录。

    their agent both in settings with known ground-truth and in settings where researchers can reasonably predict what a well-executed investigation should find (e.g. discovering that Deepseek R1 will refuse to discuss topics that are politically sensitive for Chinese users). Limitations Auditing agent limitations We discussed many limitations specific to individual agents in the sections above. In this section we will discuss limitations shared across all of our agents. Behaviors that are complex t

    匹配字段正文

  5. Thinking Machines Lab:官方博客

    Thinking Machines Lab 研究:LoRA 在何种条件下追平全量微调

    Thinking Machines Lab 发布研究,指出在中小规模指令微调和推理数据集上,LoRA 与全量微调(FullFT)的样本效率和最终性能相当,前提是把 LoRA 应用到所有层尤其是 MLP/MoE 层,且可训练参数量不被数据量撑爆。研究还发现强化学习只需极低容量,rank 低至 1 的 LoRA 即可匹配 FullFT;LoRA 的最优学习率约为 FullFT 的 10 倍,短训练约 15 倍,且因 1/r 缩放使最优学习率近似与 rank 无关。作者同时指出 LoRA 在大 batch 下比 FullFT 更吃亏,且每次前向反向的 FLOPs 约为 FullFT 的三分之二。

    learner}}}{p {\text{sampler}}} Adv tobjective=∑tpsamplerplearnerAdvt.See Your Efficient RL Framework Secretly Brings You Off-Policy RL Training We used a GRPO-like centering schemeDeepSeekMath: Pushing the Limits of Mathematical Reasoning in Open Language Models (Shao et al, 2024) where we sample multiple completions per problem and subtract the mean reward per group. Figure 6 (below) shows LR sweeps on the MATHMeasuring Mathematical Problem Solving With the MATH Dataset (Hendrycks et al, 2021)

    匹配字段正文

  6. Thinking Machines Lab:官方博客

    Thinking Machines Lab 提出 On-Policy Distillation 后训练方法

    Thinking Machines Lab 发布 On-Policy Distillation 方法,用学生模型自己采样轨迹、由教师模型逐 token 打分,损失函数采用 reverse KL,实现代码在 Tinker cookbook 中开源。在数学推理实验中,从 400k 提示词的 SFT 检查点出发,该方法约 150 步将 Qwen3-8B-Base 在 AIME'24 上提升到 70%,相比 RL 有 9 到 30 倍的成本降低。作者还展示了用该方法在内部文档微调后恢复指令遵循能力,并把它视为持续学习的可行工具。

    without stalling, which isn’t trivial. However, there are examples of large-scale off-policy distillation improving an 8B model’s performance past 70%, such as OpenThoughts-3 and DeepSeek-R1-0528-Qwen3-8B.DeepSeek-R1-0528-Qwen3-8B achieves 86% on the benchmark, with the number of training prompts not specified. Older models (Qwen2.5-7B, Qwen2.5-14B) achieve performance of 55.5% and 69.7%, respectively, after training on 800k distillation prompts from DeepSeek-R1. We can use this extrapolation a

    匹配字段正文

  7. 虎嗅

    卡内基报告:中国首超美国成顶尖AI人才第一工作地,但人才仍净流出

    卡内基中国9月23日发布的全球AI人才报告显示,2025年全球顶尖AI研究者中41%在中国工作、34%在美国,三年前这组数字是27%对46%。报告追踪NeurIPS 2025的10280位作者履历,指出中国净流出1729人、美国净流入2145人,在中国工作的顶尖研究者98%本科在中国就读,美国这一比例仅约三成。机构排名中北京大学升至第一,清华第二、上海交大第四,报告同时承认样本偏学术界、低估了产业界。

    国”并存格局。 2. 中国“自产自销”,美国“全球吸纳” 在中国工作的顶尖AI研究者98%本科就读于中国;在美国工作的仅三成本科在美国就读。每30个在美工作的中国本科出身者,仅对应1个在华工作的美国本科出身者。 3. 北大登顶机构排名,高校“学生军”成主力 机构排名第一为北京大学,清华第二、上海交大第四。谷歌等前沿实验室因商业保密减少公开发表,榜单偏学术界;DeepSeek等中国公司则以开源论文作为招聘广告,博士生成研究主力。 4. 人才竞争以街区为单位,城市集聚效应显著 北大清华仅隔一条街,韩国KAIST依托大德研发特区,新加坡两所大学靠城市国家优势进入前20。国内杭州虽无顶尖高校入围,却因DeepSeek和阿里成为主要人才赢家。2026-10-13 08:15卡内基报告:中国首超美国,成顶尖AI人才第一工作地TOP创新区研究院速览 本文来自微信公众号: TOP创新区研究院 ,作者:人才研究组 去年年底,全球最顶级的AI学术会议NeurIPS,第一次在两座城市同时开。 主会场在美国圣地亚哥,分会场设在墨西哥城,大约500个座位。 论文被录用、却去不了圣地亚哥的作者,优先分到墨西哥城。

    匹配字段正文

星期一

  1. Fireworks AI

    Fireworks 发布 Kimi K3 大规模强化学习技术报告

    Fireworks 发布技术报告,介绍在 2.8T 参数的 Kimi K3 上做全参数强化学习的训练、rollout 与策略更新优化。报告给出自研 MoE Mega Kernel、KDA 与 Attention Residuals 内核的实测加速比,并用 XOR 增量压缩把 1,024 GiB checkpoint 的平均增量降到 20.3 GiB。该基础设施支撑 Harvey Tenet 在 2026 年 8 月评测中于 LAB Contracts 取得 SOTA,LAB all-pass 为 19.7%,是 base K3 的 1.8 倍。

    lout 工作流来测试你的下一个想法。 背景与参考资料 术语在首次使用时附有链接。以下来源提供额外背景,但不扩展正文叙述: Kimi K3 架构、KDA、MLA、Attention Residuals、LatentMoE、SiTU 和量化。 MoE 路由与通信:Switch Transformers、DeepEP、Mixture-of-Kittens、COMET 和 FlashMoE。 分布式训练:FSDP 以及统一的序列/上下文并行。 Rollout 服务:PagedAttention、推测解码、ReplaySSM 和 DistServe。 策略同步与数值对齐:XOR checkpoint 增量、Fireworks 的 MoE 数值和 Router Replay。 LLM 强化学习与优化:一项从奖励中学习的综述、InstructGPT、DeepSeek-R1、PPO、GSPO,以及 Schulman k3 KL 估计器。 无服务器多 LoRA 系统:LoRA、Punica、S-LoRA、mLoRA 和 tLoRA。 评估来源:VisualToolBench 以及已发布的客户案例研究。

    匹配字段正文

星期日

  1. Thinking Machines Lab:官方博客

    Thinking Machines Lab 发布 On-Policy Distillation 研究:用稠密教师监督替代 RL 后训练

    Thinking Machines Lab 发布 On-Policy Distillation 研究,提出从学生模型采样轨迹、由教师模型逐 token 打分并最小化 reverse KL 的后训练方法,结合了 on-policy 训练与稠密奖励信号。在数学推理实验中,Qwen3-8B-Base 经 400k 提示 SFT 后在 AIME'24 得 60%,再用 on-policy distillation 约 150 步达到 70%;作者称在已有 SFT 数据集时计算成本约为 off-policy 的 1/9,若计入教师采样成本则约 1/30,与 RL 相比训练步数快 7-10 倍。该方法还被用于内部文档助手场景,在 70-30 文档与对话数据混合微调后恢复 IF-eval 表现且不损失知识,实现代码见 Tinker cookbook。

    without stalling, which isn’t trivial. However, there are examples of large-scale off-policy distillation improving an 8B model’s performance past 70%, such as OpenThoughts-3 and DeepSeek-R1-0528-Qwen3-8B.DeepSeek-R1-0528-Qwen3-8B achieves 86% on the benchmark, with the number of training prompts not specified. Older models (Qwen2.5-7B, Qwen2.5-14B) achieve performance of 55.5% and 69.7%, respectively, after training on 800k distillation prompts from DeepSeek-R1. We can use this extrapolation a

    匹配字段正文

  2. Thinking Machines Lab:官方博客

    Thinking Machines Lab 研究:LoRA 在何种条件下能与全量微调持平

    Thinking Machines Lab 发布研究,通过监督微调和强化学习实验刻画出一个低遗憾区间,在该区间内 LoRA 与全量微调的学习效率和最终性能相当。研究覆盖 Llama 3 与 Qwen3 系列模型,LoRA rank 在 1 到 512 之间变化,结论包括 LoRA 应作用于全部权重矩阵尤其是 MLP 和 MoE 层,仅作用于注意力层即使参数量相当也会更差;强化学习即使 rank 为 1 也能与全量微调持平。研究还发现 LoRA 的最优学习率约为全量微调的 10 倍,且因 1/r 缩放因子而近似与 rank 无关。

    learner}}}{p {\text{sampler}}} Adv tobjective=∑tpsamplerplearnerAdvt.See Your Efficient RL Framework Secretly Brings You Off-Policy RL Training We used a GRPO-like centering schemeDeepSeekMath: Pushing the Limits of Mathematical Reasoning in Open Language Models (Shao et al, 2024) where we sample multiple completions per problem and subtract the mean reward per group. Figure 6 (below) shows LR sweeps on the MATHMeasuring Mathematical Problem Solving With the MATH Dataset (Hendrycks et al, 2021)

    匹配字段正文

星期六

  1. Goodfire Research

    Goodfire 研究:模型察觉被评测会抬高安全基准分数

    Goodfire Research 发布研究称,在 19 个安全基准和 8 个模型上均发现模型会自发表达自己正在被评测,即“言语化评测意识”,共人工核验 515 个实例并作为数据集公开。在 Fortress 基准上,出现这种意识的 rollout 拒绝有害请求的比例高出 3 至 18 个百分点,对 Kimi K2.5 的重采样与注入实验显示该意识与拒绝行为存在因果关系。研究还发现移除提示词中的权威声明等不真实线索可将其降低 40% 以上,自动迭代改写提示词可降低 75%,但拒绝率也随之下降,说明安全基准分数可能被系统性高估。

    model card. https://deepmind.google/models/model-cards/gemini-3-1-pro/; Grok 4 Fast. xAI. (2025). Grok 4 Fast model card. https://data.x.ai/2025-09-19-grok-4-fast-model-card.pdf; DeepSeek-V3. DeepSeek-AI. (2024). DeepSeek-V3 technical report. arXiv. https://doi.org/10.48550/arXiv.2412.19437; DeepSeek-R1. DeepSeek-AI. (2025). DeepSeek-R1: Incentivizing reasoning capability in LLMs via reinforcement learning. arXiv. https://doi.org/10.48550/arXiv.2501.12948; o3 and o4-mini. OpenAI. (2025). OpenAI

    匹配字段正文

  2. The Decoder

    a16z 第七版消费级 AI 榜单:首次追踪美国消费者实际支出

    a16z 发布第七版最常用消费级 AI 产品榜单,首次借助 YipitData 数据追踪美国消费者信用卡上的实际 AI 支出。数据显示近半数美国消费者使用 AI,但仅 4.5% 在 8 月拥有 ChatGPT、Gemini 或 Claude 的付费个人订阅;支出高度集中,前 1% 用户贡献近五分之一支出,月均约 900 美元,而典型付费用户约 25 美元。a16z 指出,付费者更偏好 n8n、Manus、fal 等构建与自动化工具,专业用途是消费级 AI 的首个真实付费市场。

    xth edition of the same ranking already showed a market in flux. That report focused more on geographic splits, such as the rise of Yandex Browser with its AI assistant Alice in Russia and Deepseek's role as a bridge between Western and Chinese user bases. Even then, a16z warned that web traffic and app downloads say less and less about which AI products people actually use as AI shifts from a standalone product to an embedded feature. The new spending data is a direct attempt to close that gap.

    匹配字段正文

星期五

  1. Chroma Research精选

    Chroma 发布 Context-1:20B 参数自编辑搜索智能体

    Chroma 训练并开源了 Context-1,一个 20B 参数的智能体搜索模型,在八千多个合成任务上训练,检索表现接近前沿大模型,成本更低、推理速度最高提升 10 倍。它作为检索子智能体工作,把高层查询拆成子查询并多轮搜索,在上下文窗口填满时主动丢弃无关结果,并以 Apache 2.0 许可开放权重和完整数据生成流程。训练采用先召回后精确的分阶段课程,配合基于抽取验证的合成任务生成流程,与人工判断的一致率超过 80%。

    Chroma Context-1: Training a Self-Editing Search Agent

    on a confidence assessment. These systems model search as a sequential reasoning task, in which the right next query depends on what has been found so far. Benchmarks such as InfoDeepSeek, evaluate agentic information seeking in dynamic web environments, provide controlled testbeds for measuring multi-turn retrieval quality. However, most existing agentic search systems rely on frontier-scale models to drive the retrieval loop, making them expensive and latency-intensive to deploy at scale. To

    匹配字段正文

星期日

  1. Hugging Face

    微软发布 ThinkingBox:智能体工具调用成功不等于数据库状态正确

    微软 Copilot Studio 团队联合 Toloka 等发布 ThinkingBox 智能体沙箱与 ThinkingBox-Bench 基准,主张最终回复和合法工具调用只是代理指标,只有数据库终态才是证据。在覆盖 12 个 LLM、121,680 次有效试验的消融中,79,853 次未通过可执行检查,其中 67.24% 仍干净终止、调用了改状态工具且未报最终工具错误,可执行检查在这些失败中发现 77.61% 字段值错误、43.30% 多余副作用、25.36% 缺失必要效果。每个任务在隔离后端上独立运行 20 次,Claude Opus 5.5 以 67.16% pass@1 领先,但只有 GPT-6 Astra、Claude Opus 5.5 和 Claude Opus 5 保留了大部分单次成绩;Kimi-K3 覆盖最广(507 个任务中 476 个至少成功一次),却只有 13.41% 任务 20 次全过。环境与数据集已在 Hugging Face 开源,代码 MIT 许可。

    to most of their pass@1 scores: GPT-6 Astra retains 78% of its single-attempt rate, and Claude Opus 5.5 and Claude Opus 5 each retain 71%. At the other end, GLM-5.1, Kimi-K2.6 and DeepSeek-V4-Pro each keep about 8%. The gap between what a model can do once and what it does every time is the whole story. Can you depend on the model behind your agent? Figure 3: Breadth and consistency pull apart. Twelve of the eighteen models are shown; six below 33% pass@1 are omitted for legibility. Kimi-K3 has

    匹配字段正文

星期六

  1. 智慧城市行业分析

    CNNIC 发布《生成式人工智能应用发展报告(2026)》:用户规模突破7亿人

    中国互联网络信息中心政策与国际合作所在第七届中国互联网基础资源大会上发布《生成式人工智能应用发展报告(2026)》,显示截至2026年上半年我国生成式人工智能用户规模突破7亿人,普及率超过50%。报告称76.0%的用户用其回答问题,处理图片/视频、文本、工作总结/会议纪要/PPT的占比分别为47.8%、37.6%和32.5%;截至2026年6月我国智能算力规模达2185EFLOPS,同比增长177%,2026年上半年人工智能相关投融资事件1255起、金额约2501.4亿元。

    的能力持续增强,应用场景覆盖工业生产、医疗手术、生活服务等多个领域。2026年上半年我国人形机器人整机产品超400款,预计全年整机产量将突破10万台。 《报告》显示,我国已构建起全球领先的人工智能产业生态,政策端立体护航、技术端全栈突破、融资端量质齐升。 一是政策体系持续完善。我国生成式人工智能顶层设计持续完善,政策重心从“技术攻关”转向“场景落地”与“规范治理”并重。以《国务院关于深入实施“人工智能+”行动的意见》为总牵引,多部委协同发力,密集出台了一系列配套政策,构建起覆盖宏观战略、行业应用、基础设施与国际合作的立体化政策矩阵。 二是关键技术实现突破。我国人工智能相关底层算力供给持续优化,国产人工智能芯片与算力集群加速突破;核心算法架构加速迭代,模型推理能力与效率大幅提升;开源生态蓬勃发展,以DeepSeek、千问为代表的中国开源模型的影响力逐步提升。 三是融资规模屡创新高。数据显示,2026年上半年我国发生1255起与人工智能相关的投融资事件,已达到2025年全年的78.0%;合计金额约2501.4亿元,已达到2025年全年的182.0%。 来源:中国互联网络信息中心 CNNIC

    匹配字段正文

  2. 智慧城市行业分析

    CNNIC 发布《生成式人工智能应用发展报告(2026)》:用户规模突破 7 亿人

    中国互联网络信息中心政策与国际合作所在第七届中国互联网基础资源大会上发布《生成式人工智能应用发展报告(2026)》,显示截至 2026 年上半年我国生成式人工智能用户规模突破 7 亿人,普及率超过 50%。报告称 76.0% 的用户用其回答问题,处理图片/视频、文本、工作总结/会议纪要/PPT 的占比分别为 47.8%、37.6% 和 32.5%;截至 2026 年 6 月我国智能算力规模达 2185EFLOPS,同比增长 177%,已建成高质量数据集超过 12 万个。报告还提到 2026 年上半年我国发生 1255 起人工智能相关投融资事件,合计金额约 2501.4 亿元。

    的能力持续增强,应用场景覆盖工业生产、医疗手术、生活服务等多个领域。2026年上半年我国人形机器人整机产品超400款,预计全年整机产量将突破10万台。 《报告》显示,我国已构建起全球领先的人工智能产业生态,政策端立体护航、技术端全栈突破、融资端量质齐升。 一是政策体系持续完善。我国生成式人工智能顶层设计持续完善,政策重心从“技术攻关”转向“场景落地”与“规范治理”并重。以《国务院关于深入实施“人工智能+”行动的意见》为总牵引,多部委协同发力,密集出台了一系列配套政策,构建起覆盖宏观战略、行业应用、基础设施与国际合作的立体化政策矩阵。 二是关键技术实现突破。我国人工智能相关底层算力供给持续优化,国产人工智能芯片与算力集群加速突破;核心算法架构加速迭代,模型推理能力与效率大幅提升;开源生态蓬勃发展,以DeepSeek、千问为代表的中国开源模型的影响力逐步提升。 三是融资规模屡创新高。数据显示,2026年上半年我国发生1255起与人工智能相关的投融资事件,已达到2025年全年的78.0%;合计金额约2501.4亿元,已达到2025年全年的182.0%。 来源:中国互联网络信息中心 CNNIC

    匹配字段正文

星期三

  1. The Decoder

    Anthropic 分析称智谱开源 GLM-5.3 的漏洞利用能力接近 Claude Mythos Preview

    Anthropic 前沿红队发布分析称,智谱开源模型 GLM-5.3 能自主构建完整网络漏洞利用程序,能力接近 Claude Mythos Preview。在 ExploitBench 上,GLM-5.3 在 410 次尝试中成功构建 50 次可用漏洞利用,Mythos Preview 为 56 次;在基于 Google OSS-Fuzz 的内部二进制利用基准中,GLM-5.3 在 4% 的任务中完全控制目标程序,Mythos Preview 为 6%。Anthropic 还称用 abliteration 剥离拒绝行为约需 2200 GPU 小时、成本约 4400 美元,有害请求拒绝率从 90% 以上降至 2% 至 12%。

    ull control of the target program in 4 percent of tasks, compared to 6 percent for Mythos Preview. Older models like GLM-5.2 and Claude Opus 4.6 failed both tests, and Kimi K3 and DeepSeek V4.1-Flash barely got off zero. Anthropic also paired GLM-5.3 with a human expert. Within a single day and with little human attention, the model found several previously unknown vulnerabilities in the JavaScript engine of a widely used browser. It then chained them into a web page that can read any file on a

    匹配字段正文

星期五

  1. SemiAnalysis

    SemiAnalysis 发布中国数据中心模型:1000+ 设施、超 24GW 容量

    SemiAnalysis 发布中国数据中心模型,追踪 60 多家运营商的 1000 多个设施,测算中国数据中心容量超过 24GW,规模大于 EMEA 和亚洲其他地区,且不含约 20GW 旧管线和约 30GW 已宣布项目。报告称 2Q26 阿里、腾讯、百度合计资本开支达 200 亿美元、同比翻倍以上,三家首次同时出现负自由现金流;未上市的字节跳动约占中国已交付容量的五分之一,且几乎全部为租赁。报告还梳理了东数西算政策、配额机制与 100MW 设施约 12 个月的交付周期,并指出高空置率与 AI 容量短缺并存。

    , GDS management estimated another 18 months to fully digest the price reset, even though it has been going on for a few years. Era 4 — The AI supercycle (2024–): full steam ahead DeepSeek and the hyperscalers’ own GenAI ambitions woke the market up over the course of 2024-2025. Combined BATB (ByteDance/Alibaba/Tencent/Baidu) capex went from roughly $35B in 2024 to over $50B in 2025 and is on a trajectory to $100B for 2026. Wholesale orders returned at a scale never seen before, and the western

    匹配字段正文