分類： 大型語言模型
- Qwen團隊發布長上下文推理模型QwenLong-L1，超越o3-mini
- All-In Podcast 實錄：Gemini 引領「無限上下文」，AI 正從工具躍升為認知協作者
- Llama 論文作者「出走」，14 人團隊僅剩 3 人，法國獨角獸 Mistral 成最大贏家
- ICML 2025 | 用『人類測驗法』戳破AI泡沫：建構能力導向的自適應評測新範式
- 阿里巴巴開源Qwen新模型，端午節禮物來囉！
- ICML 2025 | 又快又強的獅虎獸！僅20M詞元微調，Transformer秒切線性RNN
- GRPO = 進階版拒絕取樣？強化學習去魅時刻：負樣本「去蕪存菁」才是關鍵！
- 大型語言模型（LLM）能理解數學嗎？最新研究揭露大型模型的數學推理致命缺陷
- 她如何將「系統二」帶入大型語言模型？—專訪微軟亞洲研究院張麗
- 312條軌跡激發241%性能！上交大與SII開源電腦智慧體，超越 Claude 3.7
- 歷史首次！o3模型找出Linux核心零時差漏洞，鑽研12000行程式碼百次終獲，無需呼叫任何工具
- Statistically Controllable Data Synthesis! New Framework Breaks LLM Data Generation Limitations, McGill University Team Launches LLMSynthor
- 深度｜對話AI獨角獸Character.AI CEO：最佳應用尚未被發明出來，AI領域現狀類似煉金術，沒人確切知道什麼會奏效
- AI越聰明越不聽話！新研究：最強推理模型指令遵循率僅50%
- Seed1.5-VL技術報告解讀
- 「從零開始，僅需8元+9小時！完整Tiny LLM訓練教程，包含推理、MoE等」
- Gemini Diffusion：1500 token/秒，快如閃電！
- AI是否知道什麼時候該"思考"？Thinkless教會大模型何時該動腦筋
- ICML 2025 | 無需訓練，即時對齊大模型偏好
- Google | 溯源分析RAG系統錯誤，提出選擇性生成框架，讓RAG問答準確率提升10%
- Nature子刊：人類又輸給了AI，尤其是當它知道你是誰時
- 思考成為負擔：揭秘大型語言模型的「思考陷阱」
- 大語言模型的推理能力究竟有多強？一項研究揭示了LLM的局限性與潛力
- Reasoning 新突破：SoftCoT++ 如何讓 LLM「多想幾條路」？
- Qwen突破：用「平行計算」代替「堆參數」，新方法記憶體降22倍、延遲降6倍