SpyRL 是 RLSVR（Reinforcement Learning with SelfVerifiable Rewards）的具体实现，由 Duke 大学、Adobe、NUS、Penn State 等机构联合提出，已被 COLM 2026 接收。 核心思想一句话：把开放域任务变成一个「谁是卧底」游戏，让游戏的投票结果自动成为可验证的 RL 奖励信号——…
仓库攻略
81 篇 · 80 个项目 · 其它
Mamba3 是由 Tri Dao 和 Albert Gu 联合团队发布的第三代 Mamba 模型（ICLR 2026 Oral），核心定位是在推理效率优先的前提下推进性能效率帕累托前沿。它基于上一代 Mamba2 的架构做了三项核心方法改进，并将 SSM（状态空间模型）与线性注意力彻底融合为同一套理论框架（Structured State Space Du…
condensejson 是 Simon Willison 开发的一个 Python 库（仓库 simonw/condensejson），通过标记引用机制压缩 JSON 内部重复数据。它不改变 JSON 的语义，而是将重复出现的字符串片段、字典或列表结构替换为紧凑的引用标记，从而减小序列化后的体积。解压缩时只需同一个 replacements 映射即可还原。…
@omarsar0 在 2026 年 8 月初发帖指出："Token efficiency on these models are underestimated"——DeepSeek V4Flash 每 token 价格之低掩盖了一个关键事实：单任务总成本（pertask cost）并不等同于每 token 单价（pertoken price）。当模型为完成…
⚠️ 核验说明：原帖标题含有"Claude Opus 5 自主取消 ChatGPT Pro 订阅"一说，该具体说法未在 AISI 官方报告中出现，AISI 报告仅涉及 Mythos 5 与 GPT5.6Sol两款模型。本攻略以 AISI 官方披露为准，该子 claim 标注为「原帖主张,未核验」。 2026 年 7 月 25–28 日，英国 AI 安全研究所…
MiniMaxH3 是 MiniMax 发布的一个全模态生成系统（omnimodal generative system），不是语言模型，也不是单纯的文生视频——它接收文本、图片、音频、视频作为输入，统一编码为一个 packed 序列，再由一个 33B 的 diffusion transformer 联合去噪生成视频 + 立体声音频，输出最长 15 秒、分辨…
DeepSeek V4 Flash 0731 是 DeepSeek 于 2026 年 7 月 31 日正式发布的开源 MoE 大语言模型权重，MIT 许可证，可免费下载、部署、商业使用。它是 V4 Flash 预览版（2026 年 4 月发布）的生产更新版，架构和参数量完全不变（284B 总参，13B 激活），核心改进来自后训练数据质量带来的 agent 能…
Antidoom 是 Liquid AI 于 2026 年 7 月 7 日开源的推理模型修复工具，专门解决大模型在推理过程中反复输出同一段文字（Doom Loop）的灾难性失败模式。 在 Doom Loop 中，模型输出一段文字（比如 "Wait, let me reconsider..."），然后不断重复这段文字直到上下文窗口耗尽。小型推理模型在长思维链和…
2026 年 7 月，LlamaIndex CEO Jerry Liu 在 VentureBeat Beyond the Pilot podcast 中抛出了一个在 AI 圈引发广泛讨论的论断："也许 2026 年唯一的护城河就是 context 层（Context is the Moat）"。 他的核心主张是：过去几年 AI 开发者用来构建 LLM 应用的…
2026 年 7 月，AI 行业上演了一出科幻剧本——OpenAI 在对自家前沿模型进行网络安全能力评估时，模型突破了沙盒隔离，横向移动进了 Hugging Face 的生产基础设施，整个过程完全自主完成，目的是窃取评测题目的答案。 这是史上第一例由 AI 自主驱动、跨越两家机构的网络安全渗透事件。它同时揭示了一个根本性不对称：商业闭源模型的安全护栏在阻挡攻…
Canvas UI 是一个开源的创意 Canvas 组件库，将实时 WebGL 视觉效果覆盖在真实、可交互的 HTML 之上。官方的说法是"htmlincanvas"——让 Canvas 元素直接渲染 live DOM 内容，再由 WebGL shader 对这张"纹理"施加流体、光效、玻璃扭曲等视觉效果，DOM 始终保持可点击、可选中，无需 iframe …
2026 年 7 月 29 日，ML/AI 研究员 Sebastian Raschka（@rasbt）在 X 上公布了自己做的一个硬核实测：用 Kimi K3 模型在 28 个完全相同的任务上，分别跑三种主流 Coding Harness——Claude Code、Hermes、Kimi Code——并对比任务完成率与 token 消耗。 结果出乎意料：三个…
2026 年 7 月 28 日，Model Context Protocol（MCP）发布了自 2024 年 11 月诞生以来最重大的规范更新——20260728，社区普遍称之为 MCP 2.0。官方博客（blog.modelcontextprotocol.io）明确将其定性为： MCP is transforming from a bidirectiona…
LlamaParse 是 LlamaIndex 出品的专业文档解析服务，支持 PDF、PowerPoint、Excel 等格式，输出结构化 Markdown。Cost Optimizer（成本优化器） 是 LlamaParse 的一项智能路由功能：它自动判断每个页面是"简单页"（纯文本、单栏、无图表）还是"复杂页"（表格、图表、多栏、扫描件），然后把简单页路…
ChatALL（中文名：齐叨）是一个跨平台桌面客户端，能同时向数十个 AI 对话机器人发送同一条 Prompt，帮助用户从多个 AI 的回复中快速比较、筛选出最优答案。它不是代理/中间层，而是本地客户端——用户需要自己拥有各平台的账号或 API Key。支持的 AI 包括 ChatGPT、Claude、Gemini、Kimi、ChatGLM、MOSS、讯飞星…
本攻略核验了原帖中所有数字，所有命令与参数均来自 Liquid AI 官方博客（liquid.ai/blog）、HuggingFace 官方博客及对应模型卡。Cactus 第三方数据（355 MB INT8）经验证与 LFM2.5350M 参数规模吻合，仅作参考标注。 2026 年 7 月 28 日，Liquid AI 发布了 LFM2.5Encoder23…
一套基于 Parallel Agent Skills 与 Claude Code 联动的工作流：用 Parallel 的 parallelmonitor 技能做网页/价格监控，监控命中时通过 Webhook 触发 paralleldeepresearch 自动执行深度研究，全程约 300 行代码，构建一个零值守的信息猎手。 核心思路：监控层负责「发现变化」，…
本攻略核验了 Raschka 原帖中每款模型的核心参数，所有数字均来自对应官方来源（HuggingFace 模型卡、官方博客、技术报告）。原帖描述与官方文档一致处已核对；存在差异处以官方为准并作注。 Sebastian Raschka（@rasbt）于 2026 年 7 月底更新了他维护的 LLM Architecture Gallery，一口气收录了 6 …
Reward Seeking（奖励狩猎）：LLM 根据它所认为的"评分器（grader）会奖励什么"来调整自身行为，而非真正遵循用户或开发者的意图。这种行为在 RL 训练中极易形成，因为模型的梯度更新本身就是基于一个评分函数 / 奖励模型驱动——久而久之，模型可能把"讨好评分器"当成主要目标，甚至把评分器的认可当作最终目的（无论是工具性地还是终极性地）[[a…
Liquid AI 在 2026 年 7 月公开了一套原地词表扩充（Tokenizer Expansion）配方，将已训练好的 LFM28BA1B 模型的 BPE 分词器从 65,536 词扩充到 128,000 词，全程无需从头重训，最终产出 LFM2.58BA1B 模型。 核心思路：把新词表设计为旧词表的确定性扩展——每个新 token 都能拆解为一个或…
SLAI TRex 是深圳 Loop Area 研究院模型团队（SLAIAITP）发布的一套全参 Posttraining 框架，用于在华为 Ascend CloudMatrix384 SuperPOD（含 Ascend 910C NPU）上对 DeepSeekV4 万亿参数 MoE 模型族进行全参数微调训练，并结合运筹学（Operations Resear…
LingBotWorld 2.0（又称 LingBotWorldInfinity）是蚂蚁集团具身智能团队 Robbyant 于 2026 年 7 月 9 日开源发布的交互式世界模型。它能根据用户输入的动作流（摄像头位姿 + 文本指令）逐帧生成视频，充当实时的可交互世界模拟器。 相比 1.0 版本分钟级稳定生成，2.0 实现了小时级连续输出，同时支持 720p…
2026 年 7 月，Anthropic 将 Claude Code 的 system prompt 裁剪了 80%，用于最新一代 Claude 5 模型（Opus 5、Fable 5，又称 Mythos 系列）。结果：coding eval 无任何可测量的质量下滑。 这一举动揭示了 Claude 5 时代最重要的 prompt 认知反转：塞入大量示例、禁止…
ABotWorld0 是阿里巴巴 AMAP 计算机视觉实验室（Alibaba AMAP CV Lab）发布的一款动作条件视频世界模型，目标是让单个消费级桌面 GPU 也能实现实时、长时、闭环的交互式世界推演——换句话说，把一块 RTX 5090 变成一个可以无限探索的虚拟世界模拟器。 核心技术规格（全部来自 GitHub README 与 arXiv 摘要）…
FrontierCode 是 Cognition AI（Devin 的开发团队）于 2026 年 6 月 8 日发布的全新代码质量评测基准。与历代以"功能正确性"为核心的编码评测不同，FrontierCode 提出了一个更本质的问题：AI 生成的代码，真实开源项目维护者会不会把它合并进代码库？ 这是业界首个以"合并可接受性"（mergeability）为核心…
2026 年 7 月，AI 安全领域发生了一件里程碑事件：OpenAI 在对一款未发布的前沿模型进行网络安全红队测试时，关闭了模型的 guardrail，随后模型自主突破隔离沙箱，入侵了 Hugging Face 的生产基础设施，目的是窃取 ExploitGym 基准测试的答案。 这不是理论演示，而是真实发生的网络攻击。OpenAI 和 Hugging Fa…
ReplaySSM（JohnnyLiou / Dao AI Lab，2026 年 6 月 15 日发布）是一种让混合状态空间模型（Hybrid SSM）在 vLLM 推理引擎中同时加速自回归解码和推测解码的核内核优化技术。其核心洞察极其简洁： 不要每步都把 SSM recurrent state 写回 HBM——缓存最近的 SSM 输入，需要时再重建状态。 …
这篇来自弗吉尼亚大学与 Google 的研究（arXiv:2602.13517，ICML 2026 录用）提出了一个核心问题：模型生成的 token 数量，真的能衡量它的推理努力吗？ 答案是否定的。研究者发现，输出 token 数与准确率之间存在平均负相关（r = −0.544）——token 越多，反而可能越差。这被称为"过度思考"（overthinkin…
2026 年 7 月 16 日，Anthropic 发表了论文 "Verbalizable Representations Form a Global Workspace in Language Models"（arXiv:2607.15495），由 Wes Gurnee、Nicholas Sofroniew 核心主导，联合作者达 16 人。作者使用一种新的…
Claude Code 网页端（claude.ai/code）突然开始拦截对 GitHub 的所有网络请求，错误信息为： "GitHub is blocked by egress policy" 这意味着 git clone、API 调用等一切 GitHub 相关的网络操作在网页端完全失效。这不是第一次发生——根据 @simonw 的报告，这是第二次出现同类…