策展精選

Anthropic Fellows研究揭露LLM內省覺察機制，具行為穩健性且源自DPO訓練。 Anthropic Fellows最新研究探討大型語言模型（LLM）中的「內省覺察」機制，即模型偵測殘差流中注入的導向向量，並辨識注入概念。...

DDTree透過單次區塊擴散前向傳遞建構草稿樹，提升推測解碼加速比。 DDTree（Diffusion Draft Tree）是一種新型推測解碼方法，從單次區塊擴散前向傳遞產生每個位置的token分佈，直接建構草稿樹，並以樹狀注意力在...

單一模型工程時代已經結束 十三個月前，我寫了一篇文章，主張模型選擇器（model picker）是一種設計上的失敗：工具應該自動選擇模型，開發者應該專注於交付產品。 這個月，我們在 Augment Code 中加入了 Gemin...

「1小時提示快取優化微妙，寫入成本高但讀取便宜，效果依使用模式而定。」 Anthropic的「提示快取」功能透過重用提示前綴，優化API使用，降低重複任務的處理時間與成本，但1小時快取的寫入成本為基準輸入token的2倍，讀取僅0.1...

R-Zero實現零外部資料自進化LLM推理能力大幅躍升。 「R-Zero」是ICLR 2026論文提出的全自主框架，從單一基礎LLM出發，透過「Challenger」與「Solver」兩個角色互動共進化，生成自身訓練資料並克服人類資料...

Autoreason 透過三方競賽機制解決 LLM 自我修正失效問題。 Autoreason 是一種受 AutoResearch 啟發的推理方法，旨在解決大型語言模型 (LLM) 在迭代自我修正過程中常見的效能退化問題。該方法透過結構...

code-review-graph 透過結構化程式碼地圖，大幅降低 AI 程式開發的 token 消耗與雜訊。 code-review-graph 解決了現有 AI 程式開發工具在處理任務時，因重複讀取整個程式庫而導致的資源浪費與效能...

Claude Opus 4.6 效能遭大幅削弱，幻覺率激增導致排名暴跌。 根據 BridgeBench 的最新測試，Claude Opus 4.6 的推理能力顯著下降，顯示該模型近期已遭到「削弱」（nerfed），導致其在基準測試中的...

GPT 5.4 Pro 的競爭力顯示 OpenAI 下一代旗艦模型將超越 Mythos。 儘管市場焦點多集中於 Mythos 的強勢表現，但數據顯示 GPT 5.4 Pro 在現有評測基準上已展現出極高的競爭力，這預示著 OpenAI...

研究顯示平行採樣在大型推理模型中優於序列採樣。 Google DeepMind 的研究指出，在大型推理模型 (LRMs) 進行數學與程式撰寫任務時，平行採樣的表現通常優於序列採樣，且關鍵原因在於序列採樣缺乏足夠的探索性。 研究背...

Hearth AI 創辦人 Ashe 分享 Agentic 工作流與開發哲學。 Hearth AI 創辦人 Ashe Magalhaes 在訪談中分享了她從 ML 工程師轉型為創業者的歷程，強調在 AI 時代，開發者應將 Agent ...

Latent Briefing：透過 KV Cache Compaction 實現多 Agent 系統的高效記憶共享 多 Agent 系統在協調、複雜推理與平行工作流方面展現了極大的潛力。然而，它們往往存在嚴重的 token 使用效率...