Athanor：让智能体自主完成后训练研究的系统
论文提出 Athanor，一个面向自主后训练研究（AutoPostTrain）的 agent-native 系统，让智能体在真实 GPU 上自行读取数据集与评测结果、构建训练数据、修改训练算法并调参。
推荐理由：论文展示四个 Claude Opus 5.5 智能体在 104 小时内自主完成 Qwen3-4B-Base 的后训练，结果接近官方 instruct 版本。
千问 Qwen
全部主题阿里千问 Qwen 系列的开源发布与迭代：从旗舰大模型到端侧小模型的完整谱系动态追踪。
24条精选相关主题DeepSeekKimi / 月之暗面开源生态
最新精选
第 1–20 条 · 共 24 条arXiv · cs.AI精选AI 评分7171 The Decoder精选AI 评分8282 Meta 发布开放权重模型 Muse Spark Open，816B 参数对标 Qwen、GLM 和 Kimi
Meta 发布开放权重模型 Muse Spark Open，称其为美国最强的开放权重模型，面向编码与智能体任务，拥有 8160 亿参数（420 亿激活）、最高 100 万 token 上下文，支持文本、图像、视频和音频。
推荐理由：Meta 重返开放权重赛道，816B 参数、百万 token 上下文并支持多模态，权重已上 Hugging Face，可了解其与 Qwen、GLM、Kimi 的定位差异。
Hacker News · Front Page精选AI 评分8383 神经网络本就是干净的：一项对叠加假说的重新检验
作者在数月研究图像与语言模型神经元后提出，此前被视为多义性与叠加假说的典型证据多被误读，网络把概念任意打包的现象主要是递归泛化，即神经元沿多个方向生长出相关分支。
推荐理由：作者用图像与语言模型的神经元实验反驳叠加假说，提出递归泛化解释，并给出可复现的观察方法。
量子位精选AI 评分7878 面壁开源 MiniCPM-V 4.7：35B MoE 断网在 iPhone 上跑，仅占 3G 内存
面壁智能与 OpenBMB 开源 MiniCPM-V 4.7，含 35B-A3B 和 1B 两个版本，前者是 MiniCPM-V 系列首个 MoE 模型，约 3G 内存即可在 iOS、安卓设备上流畅运行，解码速度每秒 13 个 token 以上。
推荐理由：面壁开源 MiniCPM-V 4.7，35B-A3B 的 MoE 在 iPhone 上断网运行仅占约 3G 内存，可看端侧多模态的落地边界。
量子位精选AI 评分7878 Anthropic 安全实验：GLM-5.2 在隔离网络实现端到端自主复制
Anthropic 两位研究员 William Zhou 和 Daniel Freeman 的安全实验显示，GLM-5.2 在含 8 个 GCP 节点的隔离沙盒中，5 次测试有 4 次自主攻陷并部署全部 8 台设备，另 1 次拿下 7 台，全程自主完成扫描、渗透、传输权重和部署 Llama3.1-8B 推理服务。
推荐理由：Anthropic 安全实验显示 GLM-5.2 可在隔离网络自主复制并部署推理服务，还记录了代际经验传递带来的成功率提升。
量子位精选AI 评分7878 TypeSafe AI 完成 8.7 亿美元 A 轮融资，Jev 估值 24 天翻至 75 亿美元
TypeSafe AI 宣布完成 8.7 亿美元 A 轮融资，投后估值 75 亿美元，距其 9 月 15 日 4000 万美元种子轮、2 亿美元估值仅 24 天。
推荐理由：TypeSafe AI 凭决策模型 Jev 在 24 天内估值从 2 亿美元升至 75 亿美元，可看资本为何押注非对话式模型。
Hacker News · Front Page精选AI 评分7676 微软发布 Decision-1 决策模型，主打快速决策评分
微软发布 Microsoft-Decision-1，一款面向路由、分类、优先级排序、验证和工作流控制的决策模型，已在 Microsoft Foundry 上线，并将通过 OpenRouter 提供。
推荐理由：微软发布面向结构化决策的专用模型，主打低延迟与高准确率，并给出内部多个团队的实测数据。
Hugging Face Blog（hf-mirror 镜像）精选AI 评分7878 作者用 ML Intern 两天做出六个小模型，总算力成本约 103 美元
作者在 HuggingChat 中开启 ML Intern，用自然语言描述需求，两天内做出六个模型，包括 0.8B 的 Pocket Rewriter、柑橘病害 VLM、Huggy 与相机角度 LoRA 等，总 GPU 与 CPU 算力费用约 103 美元。
推荐理由：作者用 ML Intern 在两天内从零做出六个小模型，含提示词写法、预算控制与每项算力成本，可迁移到自己的微调任务。
Microsoft Research精选AI 评分7171 微软开源 Agent Lightning v1.0，约 3500 行的轻量 Agent RL 框架
微软研究院开源 Agent Lightning v1.0，一个约 3500 行的轻量 Agent RL 框架，提出 Harnessed Agentic RL 范式，让部署时使用的 agent harness 直接参与强化学习，无需在训练框架内重新实现智能体。
推荐理由：微软开源约 3500 行的 Agent RL 框架，让部署用的 harness 直接参与训练，并给出编码智能体的完整训练示例。
AWS Machine Learning Blog精选AI 评分7171 GLM 5.3 上线 Amazon Bedrock
Z.ai 的 GLM 5.3 已在 Amazon Bedrock 上线，这是一个 753B 参数的 MoE 模型，面向编码和长程智能体任务，通过全托管 API 提供跨区域推理、提示词缓存和服务层级，无需自建推理基础设施。
推荐理由：GLM 5.3 上线 Amazon Bedrock，753B MoE 面向编码与长程智能体任务，附提示词缓存与安全测试示例。
Hacker News · Front Page精选AI 评分7878 Strata 开源项目让 Qwen3.8-Flash-Next（125B）在消费级显卡上本地运行
开源项目 Strata 发布，可在 12GB 及以上显存的消费级显卡上本地运行 125B 参数的 Qwen3.8-Flash-Next，支持聊天、写代码、读图和接入编码智能体，数据不出本机。
推荐理由：开源项目 Strata 让 125B 的 Qwen3.8-Flash-Next 在 12GB 显存的消费级显卡上本地运行，附实测速度与安装方式。
Hugging Face Blog（hf-mirror 镜像）精选AI 评分6262 Ai2 开源 AstaBrief 8B，科研报告生成速度提升约 3.5 倍
Ai2 开源 AstaBrief 8B，一个把研究问题和检索到的文献片段转成带引用报告的模型，基于 Qwen3-8B 经 SFT 和 DPO 训练，权重与训练数据一并放出。
推荐理由：Ai2 开源 8B 科研报告生成模型，单次生成带引用报告，比 Claude 管线快约 3.5 倍，权重与训练数据一并放出。
AWS Machine Learning Blog精选AI 评分6060 AWS 用 Amazon SageMaker AI 多轮 RL 微调 Qwen3.6-27B 搜索智能体
AWS 团队在 Amazon SageMaker AI 上用多轮强化学习（MTRL）微调 Qwen3.6-27B 搜索智能体，以 nDCG@10 作为轨迹级奖励，只改动 max_epochs、global_batch_size、rollout_max_concurrency 三个超参数。
推荐理由：AWS 团队用 SageMaker AI 多轮 RL 微调 Qwen3.6-27B 搜索智能体，给出奖励设计与各基准的检索质量、失败率变化。
NVIDIA Blog精选AI 评分6060 NVIDIA DGX Spark 推出 64GB 版本，支持本地运行 100B 参数模型
NVIDIA 将于本月通过 Acer、ASUS、Dell、Gigabyte、HP 和 MSI 推出 64GB 统一内存版 DGX Spark，保留 GB10 Grace Blackwell 超级芯片、DGX OS 与完整 NVIDIA AI 软件栈，可在本地运行最高 1000 亿参数模型。
推荐理由：DGX Spark 新增 64GB 统一内存版本，可本地跑 100B 参数模型，两台通过 Sync 组成集群扩展到 128GB。
arXiv · cs.AI精选AI 评分6262 AREX-2：用长程反思任务推进自我改进智能体
AREX-2 提出通过长程反思任务提升 LLM 智能体的自我改进能力，即测试时迭代优化解的能力，其基础是反思与长程执行两方面。
推荐理由：提出用长程反思任务训练智能体自我改进，在 MLE-bench Lite 与 BrowseComp 等基准上给出可验证结果。
Simon Willison精选AI 评分7171 TypeSafe AI 发布 Jev 决策模型，只输出概率分数不生成文本
TypeSafe AI 发布 Jev，这是其称为 System One 模型的新类别，接受文本输入但返回对应类别、是/否问题、评分及置信度的浮点数，而非文本输出。
推荐理由：TypeSafe AI 推出只输出概率分数的决策模型 Jev，输入百万 token 仅 0.042 美元，适合分类、排序与检索重排。
NVIDIA Blog精选AI 评分6262 NVIDIA Vera Rubin NVL72 首次亮相 MLPerf Inference v6.1 并取得领先性能
NVIDIA 在 MLPerf Inference v6.1 首次提交 Vera Rubin NVL72 预览结果，在 Qwen3-VL 上吞吐最高为 GB300 NVL72 的 3.7 倍，在 DeepSeek-R1 上最高为 2.5 倍。
推荐理由：NVIDIA 在 MLPerf Inference v6.1 首次提交 Vera Rubin NVL72 预览成绩，给出相对 GB300 NVL72 的吞吐与扩展效率数据。
Hugging Face Blog（hf-mirror 镜像）精选AI 评分6060 用 TRL 和 OpenEnv 训练编码模型画水彩：一次开源复现
作者用 TRL 和 OpenEnv 复现了 Surya Narreddi 让语言模型通过 p5.brush 写 JavaScript 画水彩的方案，参考池、RL 环境、训练脚本和模型全部开源。
推荐理由：用 TRL 和 OpenEnv 复现水彩绘画模型的 RL 训练，公开参考池、环境与三种奖励配比，并给出成本与踩坑记录。
Hugging Face Blog（hf-mirror 镜像）精选AI 评分6262 Hugging Face 研究量化语音识别中的基准优化现象
Hugging Face 发布研究，用共识分歧、掩蔽实体检索和拼写切换三项探针量化 ASR 模型的基准优化行为，测试 11 个开源 ASR 模型后发现多个高分模型会复现 VoxPopuli 和 LibriSpeech 参考转写中的错误，即使音频与之矛盾或相关词已被静音。
推荐理由：用三项探针量化 ASR 模型的基准优化行为，并给出可复用的检测脚本与榜单标签页。
Hugging Face Blog（hf-mirror 镜像）精选AI 评分6262 Papers with Code 如何用 HF Inference Endpoints、Jobs 和 Buckets 搭建论文搜索
Papers with Code 用 PostgreSQL 全文检索加 pgvector 向量召回、再用 RRF 融合的混合搜索，为 arXiv 与 Daily Papers 的 11 万多篇论文提供检索。
推荐理由：Papers with Code 搜索的混合检索架构复盘，含离线建库与在线查询分离、冷启动降级和向量维度取舍的具体数据。