Develata's Space

Appearance

2026-08-09 ​

OpenAI因Astra模型在智能体编程与网络安全领域可能达关键风险级别，依据准备框架延缓发布，并采取隔离测试等管控措施，与政府及AI安全组织合作，显示前沿AI安全治理动态。 SGLang v0.5.17发布，日0支持Kimi K3（2.8T参数多模态MoE）和MiniMax-H3视频生成模型，新增Rust前端、DWDP预填充等多项推理优化，显著提升大模型服…

OpenAI：因网络安全风险，延缓 Astra 模型发布 85 ​

  • Tags: AI安全 模型发布 公司动态

  • Source: AI HOT 精选 | 阅读原文

[摘要]
OpenAI因Astra模型在智能体编程与网络安全领域可能达关键风险级别，依据准备框架延缓发布，并采取隔离测试等管控措施，与政府及AI安全组织合作，显示前沿AI安全治理动态。

v0.5.17 82 ​

  • Tags: 开源生态 推理优化 模型支持 框架更新

  • Source: GitHub Release - SGLang | 阅读原文

[摘要]
SGLang v0.5.17发布，日0支持Kimi K3（2.8T参数多模态MoE）和MiniMax-H3视频生成模型，新增Rust前端、DWDP预填充等多项推理优化，显著提升大模型服务性能。

苹果 Mac 简体中文支持文档更新，"Apple 智能"阿里千问扩展现身 75 ​

  • Tags: 大模型 产品发布 公司动态 生态合作

  • Source: AI HOT 精选 | 阅读原文

[摘要]
苹果更新Mac简体中文文档，确认Apple智能可配合阿里千问模型，支持写作工具与Siri，需macOS 26.6及中国大陆账户。

HarnessOpt-Bench: Evaluating LLMs at Harness Optimization 72 ​

  • Tags: 智能体 评测基准 大模型

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
arXiv新研究提出HarnessOpt-Bench，评估前沿LLM在智能体系统harness优化上的能力，涵盖五种模型、四项任务，为该方向建立统一评测基准，显示该能力可度量且提升空间大。

Reasoning Errors Have a Region and a Direction in the Residual-Stream Trajectory of LLMs 72 ​

  • Tags: 模型推理 AI安全 研究进展

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
新研究提出三流检测器，利用残差流轨迹的运动、区域和方向信号识别大模型推理错误，在未知基准上准确率提升最高21%，可用于可验证推理与事实核查。

STATe-of-Thoughts: Structured Action Templates for Tree-of-Thoughts 72 ​

  • Tags: 推理优化 AI安全 可解释性 研究进展

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
提出STATe-of-Thoughts方法，通过离散可解释行动模板搜索高层推理模式，相比温度采样提升生成多样性和可控性，增强推理可解释性。

Refining Over Resampling: Test-Time Self-Correction for LLM Reasoning 72 ​

  • Tags: 研究 推理优化 LLM

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
提出一种免验证器的广度-深度自校正推理框架，通过采样多条轨迹并迭代自我批判修正，再投票聚合，在AIME、MATH500等基准上超越多数投票和验证器选择方法，展现测试时计算的新用法。

The Bitter Lesson of Tool Calling 72 ​

  • Tags: 研究 工具调用 大模型 评测

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
新研究系统评估程序化工具调用（PTC）对比JSON工具调用，在BFCL v4基准上覆盖14个模型，PTC在11/14模型中表现更优或持平，GPT-5.6提升10.6%，展示为可行的工具调用替代方案。

Marginal Matching Does Not License Factorized Sampling: Auditing Conditional Style Leakage in Factorized Generative Models 72 ​

  • Tags: 生成模型 模型评估 AI研究

  • Source: arXiv Statistics - Machine Learning | 阅读原文

[摘要]
研究揭示因子生成模型中仅匹配潜变量边缘分布并不能保证类别独立，条件风格可能泄漏；实验显示多种基线在边缘分布匹配下线性探针仍可高精度恢复类别，并给出缓解策略。

Seedance 2.5 API上线，视频生成开启「电影级长叙事」 70 ​

  • Tags: 视频生成 产品发布 API

  • Source: AI HOT 精选 | 阅读原文

[摘要]
火山引擎上线Seedance 2.5 API，视频生成时长从15秒提升至30秒，支持最高50个全模态素材参考，指令遵循和长叙事能力增强，兼容多语言，视频生成门槛进一步降低。

Krea 推出 Seedance 2.5 视频模型 70 ​

  • Tags: 视频生成 产品发布 多模态

  • Source: AI HOT 精选 | 阅读原文

[摘要]
Krea推出Seedance 2.5视频模型，支持30秒连续视频、完整多镜头序列及最多50个参考，提升视频生成能力。

All-Quadrant Bounded Clipping GRPO: Closing the Unbounded Blind Spot for Stable and Generalizable Training 70 ​

  • Tags: 训练方法 大模型 强化学习

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
提出ABC-GRPO方法，解决GRPO训练中负优势与高似然比象限导致的熵崩塌问题，提升数学推理和代码生成性能，值得关注。

Test-Time Scaling in Reasoning Models Is Not Effective for Knowledge-Intensive Tasks Yet 70 ​

  • Tags: 推理优化 大模型 AI安全

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
研究评估14个推理模型，发现测试时扩展在封闭知识密集型任务上效果有限，甚至增加幻觉，提示当前推理扩展方法的局限性。

CREBench: Evaluating Large Language Models in Cryptographic Binary Reverse Engineering 70 ​

  • Tags: 基准评测 AI安全 逆向工程 大模型

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
新基准CREBench评估大语言模型在密码学二进制逆向工程中的能力，涵盖432个挑战、8个前沿模型，显示人类专家仍占优势，为AI安全与逆向自动化提供参考。

The Impossibility Triangle of Long-Context Modeling 70 ​

  • Tags: 大模型 理论研究 长上下文

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
新理论研究证明长序列模型存在“不可能三角”：效率、紧凑性与召回能力三者不可兼得，并统一了多类架构。对长上下文模型设计有重要理论指导意义。

EdgeXpert: An Edge Device for Memory-Efficient LLM Inference with Mixture-of-Experts and Speculative Decoding 70 ​

  • Tags: 推理优化 芯片算力 模型部署

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
新研究提出EdgeXpert，一种软硬件协同设计的边缘LLM加速器，解决MoE与投机解码结合时的内存访问瓶颈，在三星28nm工艺下实现最高56.3%延迟和44.1%能耗降低，对端侧推理优化有参考价值。

DreamGuard: Efficient Runtime Guardrail for LLM Agents via Risk-Aware World Model 70 ​

  • Tags: 智能体 AI安全 模型发布

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
提出DreamGuard，一种基于风险感知世界模型的LLM智能体运行时防护栏，能预测轨迹级风险并在执行前干预，兼顾安全与效用，延迟仅25ms，在多项基准上优于现有方案。

Can Deep Research Agents Retrieve and Organize? Evaluating the Synthesis Gap with Expert Taxonomies 70 ​

  • Tags: 研究 评测 智能体

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
新基准TaxoBench评估深度研究智能体在检索与组织论文方面的能力，发现现有智能体检索召回率低且分层组织能力有限，为智能体评测提供新视角。

RRC: Unlocking Generative Reward Models in LLM Reinforcement Learning via Ranking-Based Reward Construction 70 ​

  • Tags: 强化学习 奖励建模 模型训练

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
提出RRC方法，通过排序构建奖励信号，使生成式奖励模型在RL训练中发挥效力，在对话和推理基准上取得持续提升。

GROM: Gradient-Free Rapid One-Shot Machine Unlearning 70 ​

  • Tags: AI安全 大模型 机器学习 研究发布

  • Source: arXiv Computation and Language | 阅读原文

[摘要]
提出一种无需梯度的一次性机器遗忘方法GROM，通过闭式解直接编辑权重，数秒完成遗忘，且能抵抗低比特量化恢复攻击，在TOFU、WMDP等基准上取得最佳效果。