大语言模型与模型
大型语言模型：GPT、Claude、Gemini、Mistral 及开源权重模型
97 published articles
AI研究
当知识图谱知道你没学会什么：一种新型学习者模型
MR-ConceptGCN结合了个人知识图谱、多关系GCN和SBERT嵌入，以生成序列化的学习者模型。在一项31人的研究中，它在推荐准确性、有用性、多样性和满意度方面均优于基线方法。
2026-07-26
成本与能力
物理测试中，1.40美元的模型击败了2.82美元的同门兄弟
四个 AI 模型被要求构建具有真实物理效果的 HTML 场景。Opus 5 以顶级模型中最低成本通过了所有三个测试，而 Fable 5 以两倍价格在每个测试中都失败了。
2026-07-25
研究
后见之明填补了智能体强化学习中的监督鸿沟
SEED（自我进化的同策略蒸馏）允许大语言模型分析自身过去的行为轨迹，以事后视角从中提取可重用的自然语言技能，然后在强化学习过程中将这些经验教训蒸馏回其策略中。结果：更密集、同策略的监督提高了样本效率，并泛化到未见过的任务。
2026-07-25
AI模型
Claude Opus 5以一半成本达到接近前沿的性能，但在网络安全上故意留出盲点
Claude Opus 5发布，在编码和知识基准测试上获得接近Fable水平的分数，价格却只有一半。但其故意削弱的网络安全能力为开发者带来了明确的取舍。
2026-07-24
文档AI
为什么最好的文档解析器现在只需8亿参数
阿里巴巴的OvisOCR2，一个紧凑的0.8B端到端模型，在OmniDocBench（96.58）和PureDocBench（75.06）上取得了最先进的分数，超越了更大的基于流程的解析器。它的成功来自于一个数据引擎，混合了经过过滤的真实文档和合成页面，在4B教师模型上进行强化学习，并通过同策略蒸馏将知识注入小模型。
2026-07-24
AI研究
四种人格，一个答案：为何异构推理在最难人类测试中击败了最佳AI
PoTRE将推理分解为四个并行工作的代理，然后动态调和它们的答案。它在人类终极考试上达到49.92%，超过了之前的官方最佳成绩。该方法使用的令牌比扩展的基线更少。
2026-07-24
阿里云
终于记住你上周说过的话：阿里云AI编码伙伴获长期记忆
阿里云推出的新框架赋予AI编码助手长期记忆能力，使其能在多次对话中记住用户偏好、历史记录和项目知识，从此无需每次重新开始。
2026-07-24
多模态AI
为什么视觉语言模型需要一个视觉中继窗来停止幻觉
新研究揭示了VLM中稳定三阶段多模态注意力再分配，并将其操作化为视觉中继窗（VRW）。TRACE框架使用轻量级训练模块按任务调度此窗口，在接地敏感基准测试中平均提高4.33个百分点，最高达6.6个百分点。
2026-07-23
大语言模型与推理
加速背后的数学原理：投机解码如何在不改变输出的情况下隐藏延迟
投机解码通过使用廉价的草稿机制提出候选token，并在单个目标模型前向传播中验证它们，从而加速自回归生成，且不改变输出。本文分析了其数学原理、主要方法（草稿模型、EAGLE-3、DFLASH、多token预测、n-gram）以及接受率对实际延迟的真正影响。
2026-07-21
研究论文分析
为何每个AI代理都需要一个栈：解决工具爆炸问题的形式化架构
一种针对AI代理的分层、基于技能的架构解决了扁平工具注册表的瓶颈问题。通过将能力组织成树状结构并使用基于栈的执行循环，它随工具数量以次线性方式扩展，同时为数字支付等受监管领域提供执行隔离和可审计性。
2026-07-21
AI 研究
图像生成的强化学习：Qwen-Image-2.0-RL 获得复合奖励系统
Qwen-Image-2.0-RL 报告详细描述了一条结合 RLHF、同策略蒸馏和复合奖励模型的后训练管道，用于提升文本到图像和图像编辑质量。该方法在审美质量、指令遵循和人脸身份保留方面均可衡量地改进。
2026-07-20
AI研究
Qwen-music以旋律为中心，效果不言自明
Qwen-Music通过先明确规划旋律再生成完整歌曲的方式开辟新天地，该团队称之为Melody-CoT的方法。该模型在16项客观指标中的13项达到了最先进水平，并且在盲测中击败了Suno V5和MiniMax Music 2.6。
2026-07-20