近日，LessWrong 上一篇分析文章指出，大语言模型之所以在数学和编程任务上表现突出，并不能简单归因于“数学答案容易验证”。更核心的原因在于：这些模型的能力仍主要由模仿学习驱动，而非强化学习；数学领域的预训练...

标准强化学习（RL）在训练大语言模型（LLM）时，往往在最困难的问题上表现不佳，简单标量奖励信号难以精确衡量模型在复杂任务上的真实能力。这篇题为《Learning to Solve Hard Problems in RL for LLMs by Never Giv...

Three-LLM 项目展示了一种全新的浏览器端大模型推理路径：它将 GPT-2、SmolLM2、Qwen 和 Phi 等模型的推理图，直接翻译为 Three.js TSL 计算着色器，并借助 WebGPU 在本地完成计算。与常见方案不同，它不需要服务端...

大语言模型从实验环境走向生产环境时，评估体系往往面临根本性转变。GitHub在真实世界的机密扫描任务中发现，基准测试成绩并不能直接等同于生产效果：真实数据可能含糊不清、标签不一致，并且大量边缘案例超出了现有...

承载前沿大语言模型（LLM）的宿主机正成为高价值攻击目标。这类机器不仅拥有运行先进模型所需的GPU算力，还能直接访问模型权重，并在数据中心内具备比普通互联网主机更高的特权。最新研究指出，LLM可以生成特定token...

大型语言模型（LLMs）的普及正在重塑技术工作的完成方式。它们大幅降低了编程、内容生成等任务的入门门槛，让原本技能有限的用户也能产出看似不错的成果，将许多人瞬间转变为“通才”式的多面手。然而，一项最新分析指...

一项针对生命科学临床与监管场景的基准测试ClinReg显示，开源权重大语言模型在准确率上已追平顶尖闭源模型。测试中，GLM 5.2、Kimi K3等开源模型在监管和临床任务上的表现与GPT 5.6 Sol等商业模型的差异落在一个标准...

近日，开发者服务公司 Evil Martians 在其团队博客公布了为期两个月的服务器端追踪数据，对 web 流量中人类访客与 AI 爬虫的行为差异进行了量化分析。数据显示，AI 代理请求量达到 26.8 万次，远超同期 10.7 万次的...