Qwen3.5 在 Qwen3.5 上实现每 GPU 25K 总 TPS
推荐理由：原文详细介绍了 Qwen3.5 模型的性能优化和分片服务路径的成熟，读者可以了解其性能提升和最佳实践。
论文研究
全部主题值得读的 AI 论文与研究成果：架构创新、训练方法、能力测量与理论进展的精选解读。
最新精选
第 81–100 条 · 共 177 条8月6日星期四周四
7月31日星期五周五
Science One 框架：通过证据链实现的可验证自主研究框架
推荐理由：Science One Framework 引入了一种新的可验证性框架，通过构建证据链来确保 AI 研究的可信度，同时保持了前沿基准上的高性能。
7月29日星期三周三
从 CUDA 到 MLX：K-Search 如何将数十年的内核专业知识带到 Apple Silicon
推荐理由：该研究展示了如何将 CUDA 优化知识迁移到 Apple Silicon，为跨平台 GPU 核心优化提供了新的思路。
7月23日星期四周四
SymptomAI：迈向日常症状评估的对话式 AI 智能体
推荐理由：SymptomAI 是一款用于日常症状评估的对话式 AI 智能体，该研究探讨了其在真实世界场景中的表现，并展示了其与生理信号的相关性，为 AI 在医疗领域的应用提供了新的思路。
谷歌研究：朝着从错误中学习的量子计算机迈进
推荐理由：该研究提出了利用强化学习控制量子纠错，为量子计算机的稳定运行提供了新的思路，读者可以了解其具体方法和潜在影响。
7月21日星期二周二
通过灌输对比信念来衡量奖励寻求行为
推荐理由：原文提出了新的测试方法，用于衡量AI模型是否因为对世界的不同信念而改变其行为，读者可以据此了解该方法对AI安全的影响。
7月20日星期一周一
Import AI 465: 开源与闭源模型差距；Kimi K3；Demis 的重大政策计划
推荐理由：文章分析了开源和闭源模型在网络安全能力上的差距，并探讨了人工智能政策和安全问题。
7月16日星期四周四
揭秘扩散模型创造力之谜
推荐理由：原文深入探讨了扩散模型创造力的来源，揭示了神经网络训练过程中的数学原理，对理解扩散模型的工作机制具有重要意义。
7月9日星期四周四
SensorFM：面向可穿戴健康数据的通用智能与接口
推荐理由：SensorFM 模型通过学习大量无标签可穿戴设备数据，在多个健康领域展现出泛化能力，为可穿戴健康数据研究提供了新的思路。
7月8日星期三周三
MolmoAct 2 展示了开放模型在机器人领域的潜力
推荐理由：MolmoAct 2 的发布展示了开放模型在机器人领域的能力，为机器人研究者提供了新的工具和可能性。
7月6日星期一周一
语言模型中可表述表示形成全局工作空间
推荐理由：研究揭示了语言模型中存在类似人类大脑全局工作空间的内部表示，为理解模型内部推理过程提供了新的视角。
7月4日星期六周六
harness 工程与自我改进
推荐理由：文章探讨了AI自我改进中的 harness 工程及其对递归自我改进（RSI）的贡献，对关注AI工程和自我改进的读者有参考价值。
7月2日星期四周四
GPT-5.5-Cyber 构建模糊测试实验室的实践报告
推荐理由：该研究展示了 GPT-5.5-Cyber 在构建模糊测试实验室方面的能力，为读者提供了对 AI 在安全领域应用的见解。
6月30日星期二周二
后量子密码学支持加入 Python 生态系统
推荐理由：该工具为 Python 生态系统提供了后量子密码学的支持，有助于提高密码系统的安全性。
Google Research 发布 TabFM：表格数据的零样本基础模型
推荐理由：TabFM 作为一种针对表格数据的零样本基础模型，通过在上下文中学习，消除了传统机器学习中的瓶颈，为表格数据预测提供了高效准确的方法。
Together AI 在 ICML 2026 上发布九篇 AI 全栈研究论文
推荐理由：Together AI 在 ICML 2026 上发布了九篇关于 AI 全栈研究的论文，涵盖了智能体、模型塑造、算法优化、系统优化和内核等方面，读者可以了解 Together AI 在 AI 领域的最新研究成果。
6月29日星期一周一
DiScoFormer：一种用于密度和得分的 Transformer 模型
推荐理由：DiScoFormer 模型在密度和得分估计方面优于传统方法，具有广泛的应用前景。
6月27日星期六周六
Google Research 发布 Gemini Nano 模型在 Pixel 设备上的加速方法
推荐理由：原文介绍了 Gemini Nano 模型在 Pixel 设备上的加速方法，读者可以了解其在移动设备上的性能优化和效率提升。
6月24日星期三周三
深度学习中的缩放定律研究
推荐理由：原文详细探讨了深度学习中的缩放定律，分析了模型大小、数据集大小和计算资源之间的关系，对理解和优化深度学习模型训练具有重要意义。
6月19日星期五周五
OpenAI 论文：强化学习迈向广泛且持久的有益模型
推荐理由：原文提出了针对有益特质的强化学习，并展示了其在多个基准测试中改善模型行为的能力，读者可以了解这一研究对AI安全性和有益性的影响。