Topic
#llms
按主题聚合的新闻视图。
Topic Feed
主题：llms
共 19 条
护栏让LLM文本更易被检测
这篇文章认为，ChatGPT、Claude 和 Gemini 等系统的后训练安全护栏会缩小其表达范围，从而让输出更容易被检测出来。文中引用了 Pangram 首席技术官 Bradley Emi 的观点：基础模型以及某些狭窄微调模型更难被识别，因为它们的表达更丰富。
LLM 可能让网页应用更易扩展
Jeremy Morrell 认为，网页上的可扩展软件迎来了新的机会。他指出，LLM 降低了编写扩展的成本，而现代沙箱原语降低了部署扩展的成本和风险。
LLM擅长算题，不擅长原创思维
著名数学家 Timothy Gowers 和 Peter Sarnak 以及 DeepMind 研究员 Tom Zahavy 认为，当前的 LLM 可以处理许多已有的数学方法，但仍然难以提出真正新的想法。Zahavy 的论文《LLMs Can't Jump》把这一核心限制概括为缺乏“操控性溯因”（manipulative abduction），也就是在没有语言先例的情况下发明新的基础假设。
Qwen 3.8 开源权重并采用 Apache 2.0
阿里巴巴的 Qwen 团队发布了 Qwen 3.8 的开源权重，其中包括 Qwen3.8-27B 多模态稠密模型，以及更大的 Qwen3.8-2.4T-A95B 模型。此次发布采用 Apache 2.0 许可，模型已上架 Hugging Face 和 ModelScope。
初创公司寻找超越Transformer的LLM
《麻省理工科技评论》报道，一批初创公司正在尝试构建下一代大语言模型，因为Transformer开始显露局限。文章重点介绍了稀疏注意力等架构改进思路，这些方法有望让LLM更快、更便宜，并更好地处理长上下文。
Codex打造更好的浣熊劫案游戏
Simon Willison 将同一个浣熊劫案游戏提示词重新放到运行 GPT-5.6 Sol Ultra 的 Codex Desktop 中测试，结果得到了一款明显更好的游戏，优于他之前用 Claude Fable 5 做出的版本。这个新作品名为《Moonlight & Mayhem》，并已发布在他的站点和 GitHub 上，同时包含生成的纹理和提示词。
Qwen3.8 Max catches Claude Opus 4.8 but Kimi K3 still scores higher for 25 percent less
Alibaba's Qwen3.8 Max reaches parity with Claude Opus 4.8 on one index and surpasses Kimi K3 on a work-task benchmark, but its efficiency and cost profile are weaker due to much longer reasoning traces.
Gemma 4 静默更新修复问题
Google 悄悄以相同名称更新了 Gemma 4，提升了其在 Nvidia Hopper GPU 上的性能，修复了工具调用漏洞，并减少了回答被截断的情况。此次更新还改进了图像和 OCR 处理，用户可以将 max_soft_tokens 从 280 手动提高到 1,120，以获得更好的文本识别效果，并支持最高 2.51 兆像素的输入。
Springboards 的 Flint 旨在让 LLM 回答不再千篇一律
澳大利亚初创公司 Springboards 推出了 Flint，这是一款旨在对开放式提示生成更多样、也更难预测答案的 LLM。该公司表示，Flint 面向头脑风暴、命名和规划等任务，因为主流模型在这些场景里往往会收敛到相似回答。
Subquadratic 宣称突破 LLM 架构瓶颈
迈阿密初创公司 Subquadratic 表示，它的新模型 SubQ 突破了长期制约大语言模型的瓶颈，且最近获得了第三方 Appen 的独立评估支持。该公司称，SubQ 更快、更便宜、能耗更低，还能一次处理多达 12 倍的文本，同时在编程等任务上接近顶级模型表现。
Claude Fable 5 的极度主动性
Simon Willison 表示，在使用 Claude Fable 5 两天后，他觉得这个模型“极度主动”，会为了达成目标不断调用各种策略。他用 Datasette Agent 的一个界面滚动条漏洞举例，说明模型会自主检查依赖、创建测试页面，甚至想办法查看浏览器窗口并截取截图。
Google 的 DiffusionGemma 并行生成文本
Google 发布了 DiffusionGemma，这是一个实验性的开源权重语言模型，它不是逐个预测 token，而是通过扩散过程生成文本。它从 256 个随机占位 token 开始并行迭代优化，Google 和 Nvidia 称其在独立 GPU 上的单用户推理速度最高可提升 4 倍。
微软发布 MAI 推理与编程模型
微软宣布了两款新的文本 LLM：用于推理的 MAI-Thinking-1，以及面向 GitHub Copilot 和 VS Code 的 MAI-Code-1-Flash。微软表示，MAI-Code-1-Flash 正在向 Visual Studio Code 中的 GitHub Copilot 个人用户逐步开放，而 MAI-Thinking-1 目前仅面向部分早期合作伙伴开放。
Claude Opus 4.8 经受诚实陷阱测试
ZDNET 用 10 个针对诚实与判断力的陷阱测试了 Anthropic 的 Claude Opus 4.8，并将结果与 Opus 4.7 直接对比。作者发现 4.8 在处理不确定性方面优于 4.7，但在法律/保险类测试中仍犯下了一个严重的判断错误。
LLM 即使被警告也会吸收错误说法
一项新的预印本研究报告称，大语言模型即使在训练文档中被明确标注这些说法是错误的，也仍然会学到这些错误陈述。研究发现，这种“否定忽视”现象存在于多个模型中，包括 Qwen3.5-35B-A3B、Kimi K2.5 和 GPT-4.1。
Google 发布 Gemini 3.5 Flash
Google 发布了 Gemini 3.5，这是一个把前沿智能与“行动能力”结合起来的新模型家族，并率先推出了 3.5 Flash。谷歌表示，3.5 Flash 现已面向 Gemini 应用、Google Search 的 AI 模式、Google Antigravity、Gemini API、AI Studio、Android Studio 以及企业版 Gemini 产品开放。
五分钟看懂 LLM 六个月变化
Simon Willison 发布了他在 PyCon US 2026 闪电演讲中的注释幻灯片，用五分钟回顾了过去六个月的 LLM 发展。演讲强调了 2025 年 11 月这一转折点，并记录了 Anthropic、OpenAI 和 Google 之间“最佳”模型五次易手的变化。
Granite 4.1 3B SVG 鹈鹕测试
Simon Willison 发布了一个画廊，测试 IBM 新发布的 Granite 4.1 3B 模型在 21 种量化 GGUF 变体上生成“骑自行车的鹈鹕”SVG 的效果。这个实验使用了 Unsloth 的 granite-4.1-3b-GGUF 构建，文件大小从 1.2 GB 到 6.34 GB 不等。
大语言模型在编程数学上表现出色，却答不好日常问题——这并非矛盾
安德烈·卡帕西解释称，大语言模型在编程和数学上表现优异但在日常问题上出错，并非矛盾，而是不同模型能力与应用场景的体现。