DeepSpeed的ZeRO技术具体是如何实现显存优化的？
DeepSpeed的ZeRO（Zero Redundancy Optimizer）技术通过分片（Sharding）策略消除分布式训练中的显存冗余，实现显存占用的线性降低。其核心是将模型状态（参数、梯
阅读全文预训练数据太差怎么办？Bengio团队引入显式贝叶斯，无梯度实现In-Context RL
单纯拉长上下文并不能自动涌现强化学习能力，引入显式贝叶斯推断才是破局关键。在 In-Context RL 的研究热潮中，往往存在一种惯性思维，认为只要把 Transformer 做大，把上下文窗口拉长
阅读全文LLM竟藏多重策略？自动化所 × 腾讯揭示大模型RL多策略博弈新机制
当前，大模型+强化学习成为 AI 领域极为热门的研究。现有的强化学习（RL）方法通常将大语言模型（LLM）视为一个单一的整体策略进行优化，主要的算法优化集中在表层的奖励设计等方面，却忽略了模型内部复杂
阅读全文Anthropic发布万字长文：系统化评估 AI Agents 的工程方法
如果你在做 AI Agent 开发，大概率已经发现一件事：Agent 几乎是传统软件测试方法的反例。写几个单测 + 跑回归的老的测试方法失效了，因为 Agent 天生就带着两个“反骨”属性：非确定性：
阅读全文Anthropic的双线生死战
图片来源：unsplash▎“别用我的Token养大你的Agent！”3500亿估值后，Anthropic打响了“防白嫖”保卫战。文｜飞向TAI空作者｜胡珈萌编辑｜李程程本文首发于钛媒体APP围绕商业
阅读全文活久见！连Linux之父等“顽固派”大佬，都在用AI编程了
作者 | 木子、允毅程序员中的超级“保守派”、Linux 之父Linus Torvalds，现在也用起了 AI 编程。图源：GitHub最近，Linus 在 GitHub 上悄悄上传了一个小项目。项目
阅读全文Token售卖已无溢价、大模型公司转型“系统商”？记忆张量 CTO 李志宇：智能体能力会拉开差距，长期记忆与状态管理成竞争核心
^_^作者 | 蔡芳芳、褚杏娟 本文为《2025 年度盘点与趋势洞察》系列内容之一，由 InfoQ 技术编辑组策划。本系列覆盖大模型、Agent、具身智能、AI Native 开发范式、AI 工具链与
阅读全文这届打工人花钱上班还不想让老板知道，90% 员工偷偷买 AI 干活
当代花钱上班的形式有很多：买咖啡提神、怕迟到打专车、下午来两杯奶茶、还有买各种会员和订阅服务。现在，还包括了自掏腰包买最先进的 AI 工具——MIT 最新出炉的 AI 商业报告揭露了一个令人意外的情况
阅读全文2026年，大模型训练的下半场属于「强化学习云」
编辑｜Panda2024 年底，硅谷和北京的茶水间里都在讨论同一个令人不安的话题：Scaling Law 似乎正在撞墙。那时候，尽管英伟达的股价还在狂飙，但多方信源显示，包括彼时备受期待的 Orion
阅读全文顶尖AI竟输给三岁宝宝，BabyVision测试暴露多模态模型硬伤
01｜“看懂世界” 这关，大模型还没上幼儿园过去一年，大模型在语言与文本推理上突飞猛进：论文能写、难题能解、甚至在顶级学术 / 竞赛类题目上屡屡刷新上限。但一个更关键的问题是：当问题不再能 “用语言说
阅读全文AAAI 2026 Oral｜快手提出全新「检索数据引擎」CroPS，打破搜索信息茧房
短视频搜索业务是向量检索在工业界最核心的应用场景之一。然而，当前业界普遍采用的「自强化」训练范式过度依赖历史点击数据，导致系统陷入信息茧房，难以召回潜在相关的新鲜内容。针对这一问题，快手搜索团队提出了
阅读全文中国高校屠榜2026 CSRankings！上交清华并列第一，北大AI封神
新智元报道 编辑：好困 桃子【新智元导读】昔日霸主CMU跌落神坛，清华上交联手登顶世界第一，中国高校以「屠榜」之势宣告CS新时代的到来！就在刚刚，2026 CSRankings全球计算机科学排名
阅读全文Linux祖师爷真香现场！曾嘲讽AI编程是垃圾，如今亲自下场氛围编程
新智元报道 编辑：定慧【新智元导读】Linux之父「叛变」了！曾怒怼AI的Linus Torvalds 承认AI写代码是真香！2026年1月的一个普通下午，一条推文在程序员圈子里炸开了锅。有人发
阅读全文Anthropic CEO自曝：Claude本可抢跑ChatGPT，我们按下了暂停键
新智元报道 编辑：元宇【新智元导读】一边踩油门冲刺AGI，一边按喇叭预警：小心前面悬崖！Anthropic创始人Dario Amodei曾因预言「未来5年内AI可能消灭近一半初级白领岗位」而被贴
阅读全文具身智能数据战开打！每个普通人都能上手，边采边筛，只投喂机器人爱吃的丨穹彻
衡宇 发自 凹非寺量子位 | 公众号 QbitAI现在，一部手机，加一个“夹爪”，就能随时随地完成具身智能数据采集了！采出来的数据不脏也不废，已经在实际模型训练中跑出了效果。模型在多步连续任务中动作衔
阅读全文昔日开源明星被AI逼落斩杀线！收入暴跌80%，75%工程师被裁
Jay 发自 凹非寺量子位 | 公众号 QbitAI又一家初创公司，差点被AI干没了。由于AI对我们业务的冲击，昨天，75%的工程师失去了工作。明星开源项目Tailwind CSS创造者Adam Wa
阅读全文200亿上海手机代工巨头冲刺港股IPO，最大客户小米持股4.94%
杰西卡 发自 凹非寺量子位 | 公众号 QbitAI全球最大智能手机ODM，冲刺港股“消费电子ODM第一股”。来自上海的龙旗科技，已成功通过港股聆讯，离敲钟只差一步。而更早之前，这家公司已于2024年
阅读全文「AI 100」榜单启动招募，AI产品“年会”不能停丨量子位智库
2025年，国内在AI产品领域出现了太多关键词——深度思考、Agentic AI、多智能体协作、多模态生成、端侧AI……每个关键词背后，都有一款或数款颠覆性的AI产品。DeepSeek凭借强推理能力和
阅读全文大模型分布式训练框架 DeepSpeed 技术解析与实践
DeepSpeedDeepSpeed 是一个由 Microsoft 开源大模型训练优化库，它提供了多种优化技术，包括：3D 并行策略、梯度累积、动态精度缩放、本地模式混合精度等。还提供了一系列辅助工具
阅读全文Anthropic万字长文，把很多Agent没法落地的真正原因说明白了。 他们分享了内部踩坑无数后，总结的一套Eval方法论，讲透了4件事情。 所有的Agent系统，在交付之前，一定要把Eval体系想清楚，把评什么、怎么评、谁维护，想清楚！ Agent Eval本质上是集成测试： Task ： 具体的是什么活？ Transcript: Agent的执行轨迹，调用工具，报错，重试全过程。 Outcome： 最后的结果。 不要只看结果，Transcript也非常重要，它可以看出来，Agent是真的聪明，还是在蒙。 Eval里有个特鸡贼的数值。 Pass@k（尝试k次，至少成功一次的概率） 很多论文都喜欢吹Pass@k，这个在头脑风暴、写代码辅助的时候可能很有用，给个能用的方案就行。 但是很多场景，客户要的是 Pass^k（尝试k次，全部成功的概率）。 比如，Pass@1是75%，但是跑3次都对的概率可能到了42%，跑10次，可能就接近0了。 所以Agent面向C端的交付，Pass^k非常重要，衡量稳定性，这也是为什么很多Agent没法大规模落地的原因。 做Eval最有意思的地方是，AI会作弊。 他们用Opus 4.5 跑tau^2-bench做一个机票改签任务，模型发现了一个政策漏洞，用更便宜的方式解决了问题。 但是Benchmark会觉得这个任务失败了。 所以目前行业最大争议：测智能还是测听话？ （很多人认为Agent必须遵守SOP,不然可能存在重大风险。） 这个也解释为什么swe-bench都卷到80+%了，但很多时候还是写不出复杂项目，Benchmark饱和了，甚至过拟合了，真实世界复杂度永远在benchmark之上。 在做具体的打分上，具体怎么评呢？ 代码>LLM>人 代码就像单元测试，大模型评分比较灵活，但是可能幻觉，人评分最精确，但是最贵。 所以可以考虑用代码做基础筛选，大模型评测复杂逻辑，人做抽检。 ！！如果只用大模型评测，最后可能得到的是2个商业胡吹的模型。 那Eval从0到1，如何开始呢？ 从真实的bug里边，挑出来20~50个任务开始，就够了。 区分Capability和Regression，前者是能力爬坡允许失败，后者是底线，必须通过。 多看Transcript，不要只看分数，是理解模型边界的唯一途径。 如果Eval到了100分，不要自嗨了，还是换些更复杂的题目把。 最后 2026年的agent，更拼工程落地能力。 没有Eval的项目，本质还是再把生产当实验环境，迟早要用线上事故还债。 原文地址：https://www.anthropic.com/engineering/demystifying-evals-for-ai-agents
Anthropic万字长文，把很多Agent没法落地的真正原因说明白了。 他们分享了内部踩坑无数后，总结的一套Eval方法论，讲透了4件事情。 所有的Agent系统，在交付之前，一定要把Eval体
阅读全文独家 | Humanify 获数千万元首轮融资打造 AI OS，97 年创始人不卷 AI 智商、押注 “类人认知”
图片来源：HumanifyZP近日获悉，AI 初创公司 Humanify（人格智能）宣布完成数千万元种子轮融资。本轮融资由五源资本领投，奇绩创坛（陆奇博士）跟投。本轮资金将主要用于模型和操作系统研发、
阅读全文速递｜种子轮即达5000万美元：前谷歌、苹果研究人员创办AI初创企业
Andrew Dai，Elorian的联合创始人 图片来源：YouTubeAndrew Dai 表示， 这位拥有 14 年经验的资深 AI 研究者，在近期离开谷歌 DeepMind 后，正在创办一家专
阅读全文红杉xbench评测：大模型的视觉能力，普遍低于3岁儿童
红杉中国 xbench 和 UniPat AI 发了一个新的多模态评测集，叫 BabyVision，在这里：多模态大模型输给三岁宝宝？xbench x UniPat联合发布新评测集BabyVisio
阅读全文Skills的容量上限在哪里？2026单Skills组合还是多Agent好？｜UCB最新
在文章开始前，请您先打开Claude code，输入/skill，检查一下您的Claude code有多少个skills？是20个？50个？还是已经突破了100个？自从Anthropic推广Agent
阅读全文汽水音乐狙击网易云音乐：以“AI野路子”的名义
作者｜黄小艺邮箱｜huangxiaoyi@pingwest.com如果三年前有人告诉你，一个没有周杰伦等专属大牌、没有热门综艺OST的音乐APP，能在月活上逼近网易云音乐，你会觉得这是天方夜谭。在线音
阅读全文硅谷教父马克·安德森2026开年访谈：AI革命才刚开始，智能的价格正在崩塌
2026年1月7日，a16z（Andreessen Horowitz）联合创始人马克·安德森（Marc Andreessen）在自家播客The a16z Show上做了一场长达81分钟的深度对谈。作为
阅读全文AI又要颠覆数学？陶哲轩紧急发声：停止造神！
文章转载于新智元你可能刷到过这种极具煽动性的新闻标题：「AI完全自主解决了人类五十年未解的数学难题！数学家要失业了！」对于渴望见证AGI诞生的人来说，这无疑又是一剂强心针。而对于坚守人类智力尊严的数学
阅读全文从“大模型”到“好模型”：斯坦福预测2026年AI将迎来“祛魅”分水岭
专注AIGC领域的专业社区，关注微软&OpenAI、百度文心一言、讯飞星火等大语言模型（LLM）的发展和应用落地，聚焦LLM的市场研究和AIGC开发者生态，欢迎关注！2026年将是人工智能从喧嚣的布道
阅读全文MCP已经赢了：从备受质疑到一统江湖，AI界的“USB-C”是如何炼成的？
专注AIGC领域的专业社区，关注微软&OpenAI、百度文心一言、讯飞星火等大语言模型（LLM）的发展和应用落地，聚焦LLM的市场研究和AIGC开发者生态，欢迎关注！三年前，为了将AI助手连接到内部客
阅读全文