🔥刚刚，25 年诺贝尔医学奖奖揭幕，

阿里Qwen悄悄放出6个开源权重，国庆卷疯了~消费级显卡也能跑

本文转载自 PaperAgent国庆长假也不放过，阿里通义千问真的是卷疯了，悄悄放出6个开源模型权重，体积更小的Qwen3-VL：Qwen3-VL-30B-A3B-Instruct 与 Qwen3-V

Sora，首个真正的 AI ToC 应用，给我们带来了哪些发展机会？

AI 应用战争，Sora 打响了第一枪。作者｜周永亮编辑｜郑玄99% 的人都搞错了。「Sora 不是『AI 版抖音』，它更接近『AI 版 ins 或朋友圈』。」这是 Lovart 创始人陈冕，在与极客

AK点赞转发，P站国庆更新第 1 弹🚀

9月HF论文TOP20｜RL综述、SAPO、A.S.E、VLA等

本文选自 Hugging Face Daily Paper 九月论文，论文解读由 Intern-S1 等 AI 生成。(1) Sharing is Caring: Efficient LM Post-

国庆去哪玩？HuggingFace八日游！

🔥今年年初春节期间我们举办了「HF论文茶话会」在社区受到广泛关注，这个国庆假期我们将举办国庆假期Hugging Face八日游活动，将和大家一起盘点2025 年第 3 季度 Hugging Face

DeepSeek-V3.2背后的国产算子编程语言TileLang是什么？如何保持性能领先的同时减少6倍代码量？

本文由 Intern-S1 等 AI 生成，机智流编辑部校对引言今天傍晚，DeepSeek-V3.2-Exp模型正式发布并开源。该模型引入了稀疏Attention架构，旨在降低计算资源消耗并提升模型推

DeepSeek-V3.2-Exp 技术报告解读！全新稀疏注意力机制如何革新长文本处理效率

本文由 Intern-S1 等 AI 生成，机智流编辑部校对在人工智能领域，处理超长文本一直是语言模型面临的重大挑战。无论是复杂文档分析、长篇对话生成，还是多轮推理任务，模型需要在保持高性能的同时应对

机智流团队首份研究！全球首个音文对齐“慢思考”反诈数据集与生成框架开源发布，斩获ACM Multimedia 2025

本文由 Intern-S1 等 AI 生成，机智流编辑部校对导语电信诈骗的阴影笼罩全球，每年造成的经济损失高达万亿美元，如同一头难以驯服的猛兽。传统的反诈手段在日益狡猾的骗术面前，常常显得力不从心。当

Anthropic 复盘 Claude 回复质量降低的三个Infra问题

本文由 Intern-S1、Qwen3 等 AI 生成， 由机智流编辑部校对原文链接：https://www.anthropic.com/engineering/a-postmortem-of-thr

CoRL25｜仅10-20个样本，成功率76.7%！ControlVLA框架让机器人“秒懂”新任务，微调效率提升近4倍

全文约 3300 字，预计阅读时间 10 分钟近年来，预训练VLA (Vision-Language-Action) 模型展现出极大的潜力，但要让机器人学会新任务，仍需依赖大规模、精确的动作序列。为解

SciReasoner、Seedream 4、Hunyuan3D-Omni技术报告｜今日HF论文20篇

本文由 Intern-S1 等 AI 生成，机智流编辑部校对(1) SciReasoner: Laying the Scientific Reasoning Ground Across Discipl

国内开发者专属Git教程：4步掌握代码管理+分支合并+远程协作（附Gitee/GitHub双平台教程）

作者：李剑锋全文约 6400 字，预计阅读时间 20 分钟简介Git 是一个分布式版本控制系统（Distributed Version Control System, DVCS），最初由 Linux

0925：云栖大会通义集中发布6款模型+1个全新品牌｜Meta FAIR发布代码世界模型CWM｜英伟达开源Audio2Face

本文由 Intern-S1 等 AI 生成，机智流编辑部校对新闻资讯通义团队云栖大会集中发布：6款模型+1个全新品牌在云栖大会上，通义大模型团队一口气发布 6款全新模型 和 1个全新品牌，全面覆盖多模

项目分享｜FreeKnowledge-AI：免费、高效、可信赖的外部知识增强搜索引擎，远超付费API的准确率表现

本文来自社区同学投稿本项目正积极参与AI Agent2025 全球专项赛，如果您认可我们的项目，希望能得到您的支持。您可以扫描下方图片中的二维码，为我们投出宝贵的助力票。需要注意的是，投票时间为202

新强化学习算法：腾讯RLPT、字节MAPO｜HF 今日论文 18 篇

本文由 Intern-S1 等 AI 生成，机智流编辑部校对(1) Baseer: A Vision-Language Model for Arabic Document-to-Markdown OC

聊聊大模型推理系统之Hetis：如何让“高低配”GPU集群跑出2.25倍吞吐？

本文由 Intern-S1 等 AI 生成，机智流编辑部校对在大模型时代，算力需求如潮水般上涨。然而，现实中的生产集群往往并非清一色的顶级显卡，而是由A100、3090甚至老旧的P100等不同性能和内

HF今日论文33篇｜Less is More for Agency、Qwen3-Omni技术报告

论文选自 HuggingFace 每日论文，解读由 Intern-S1 等 AI 生成(1) LIMI: Less is More for Agency论文简介：由上海人工智能实验室、清华大学、复旦大

搜索已死：AI时代的购物将何去何从？

文章编译自a16z合伙人们的最新播客[1]，探讨AI时代搜索的衰落与购物模式的变革，由 Intern-S1、Qwen3 等 AI 翻译， 由机智流编辑部润色校对。主要观点：AI Agent将取代传统关

聊聊阿里的新深度研究框架：WebWeaver 如何通过双智能体突破传统开源方案“先搜后写”和““静态大纲引导搜索”两种范式

本文由 Intern-S1、Qwen3 等 AI 生成， 由机智流编辑部校对不知道你有没有这样的感受，在使用各家大模型的深度研究时，让大语言模型自行查阅一个网页及其子网页的信息并总结时，感觉效果还不错

SGLang case study：W4A8 GroupGEMM 学习

作者：企鹅火烈鸟视频资源：https://www.bilibili.com/video/BV11tMwznEmo?spm_id_from=333.788.videopod.sections&vd_so

书生大模型实战营第6期预报名火热开启，分享有礼！

书生大模型实战营第 6 期预报名火热开启，快扫码报名，提前锁定席位！在报名页面获取你的专属海报分享给好友，并邀请他们报名，还能获得丰厚算力激励。更多课程亮点与奖励详情请见下图。-- 完 --机智流推荐

LLM真能读懂报表吗？EMNLP'25首个工业级表格生成报告基准T2R-bench：最强大模型仅得62分

本文来自社区投稿，单位：中国电信人工智能研究院研究方向：表格理解和大语言模型论文标题： T2R-bench: A Benchmark for Generating Article-Level Repo

抢先 Qwen Next？腾讯自研 FastMTP 重磅开源：推理速度暴涨 203%，消费级显卡也能跑出无损速度翻倍！

作者：可乐好爽、企鹅火烈鸟研究团队：腾讯 PCG 内服内容算法中心团队大语言模型在我们生活中越来越常用，如今我们用LLM做对话、写代码、解数学题的时候，不知道大家有没有过这样的困扰：明明模型思路很对，

具身操作大模型InternVLA·A1上线，助力实现高动态场景下的多机器人协作 | 具身智能开源周 Day4

本文转载自「书生Intern」InternVLA·A1是上海人工智能实验室（上海AI实验室）推出的首个理解、想象、执行一体化具身操作大模型，基于实验室自研的虚实混合操作数据集InternData·A1

日报：通义DeepResearch开源，重塑AI科研流程｜面壁智能发布SOTA语音生成基座模型

作者：yanbo新闻资讯面壁智能发布VoxCPM：语音生成媲美真人，声音复刻逼真面壁智能携手清华大学深圳国际研究生院推出 0.5B 参数语音生成基座模型 VoxCPM。该模型在 自然度、音色相似度和韵

从“全量记忆”到“智能裁剪”：LangChain 新记忆模式实战指南

作者：李剑锋前言在上节课里LangChain 新一代记忆管理：RunnableWithMessageHistory 全面解析与实战，我们其实讲到了如何使用 LangChain 里 RunnableWi

阿里通义今日狂发6篇论文｜ 霸榜HF今日论文

今天打开 Hugging Face Daily Paper 惊呆了，看到了 6 篇阿里通义实验室的论文。论文选自 Hugging Face 每日论文，解读由 Intern-S1 等AI生成。(1) W

聊聊大模型推理系统之FineServe突破混精大模型服务瓶颈：SLO达标率提升2.2倍的三大创新

本文由 Intern-S1、Qwen3 等 AI 生成， 由机智流编辑部校对你是否想过，当多个不同精度的大语言模型（LLM）共享同一块 GPU 时，内存效率为何总是“打架”？量化模型明明更省显存，但实

万字长文解答为何LLM同问不同答？OpenAI前CTO团队最新研究让大模型结果可复现

本文由 Intern-S1、Qwen3 等 AI 翻译， 由机智流编辑部编译校对原文：Defeating Nondeterminism in LLM Inference — Thinking Mach