策展精選

「管理不善的天才」假說 (The "Mismanaged Geniuses" Hypothesis) tldr; AI 模型已經具備實現下一次能力飛躍的條件。 作者：Alex Zhang (@a1zhang), Zhening ...

LLM 路由服務存在嚴重資安漏洞，恐導致惡意程式碼注入與憑證竊取。 研究指出，現今「Agent」高度依賴第三方 API 路由來分發工具呼叫請求，但這些路由作為應用層代理，能完全存取明文 JSON 負載，且缺乏端到端 (End to E...

Claude 推出「Advisor Strategy」工具，讓輕量模型能動態呼叫 Opus 進行決策，在降低成本的同時提升 Agent 效能。 Anthropic 近期於 Claude Platform 推出「Advisor Stra...

KellyBench 揭示頂尖 AI 模型在長期決策任務中表現不佳。 「KellyBench」是一個針對長期、非靜態環境設計的評測基準，旨在測試 AI 模型在真實體育博彩市場中的序列決策能力，結果顯示目前所有頂尖模型皆無法穩定獲利。 ...

MegaTrain 實現單 GPU 訓練 100B+ 參數模型。 MegaTrain 透過將主機記憶體作為參數儲存核心，成功在單一 GPU 上實現 100B+ 參數模型的高精度訓練，挑戰了傳統以 GPU 為中心的設計限制。此研究指出，...

OpenAI 效仿 Anthropic 限制新模型發布以防資安風險。 OpenAI 計畫採取與 Anthropic 類似的策略，僅向少數企業開放其具備進階網路安全能力的新模型，此舉被視為對 AI 自主駭客風險的回應。這項決策極具諷刺意...

ThreadWeaver 透過自適應平行推理技術，在維持推理準確度的同時顯著降低大型語言模型的延遲。 ThreadWeaver 是一個開源的平行推理框架，旨在解決大型語言模型 (LLM) 因序列解碼導致的推理延遲問題。該技術透過自適應...

遺忘的幾何學：為什麼大腦與 LLM 會以「完全相同」的方式失效 TL;DR (總結) LLM 的記憶系統遺忘的方式與人類「完全相同」，重現了臨床心理學中一些最常被複製的實驗數據。 在過去幾個月裡，我們一直在探索一個單一觀察結果...

OpenAI 內部模型成功解決五項 Erdős 數學難題。 OpenAI 近期發表了一篇新論文，展示其內部模型成功解決了五項數學界的「Erdős 問題」，證明 AI 在處理複雜數學推論上的進展。 研究成果與亮點 這篇論文（編號...

最強大的 AI 模型剛剛輸給了一個 4 層神經網路 在 ARC-AGI-3 發布的前兩天，Jensen Huang 對 Lex Fridman 說：「我認為我們已經實現了 AGI。」 這個時機點很不湊巧。或者，取決於你的觀點，這...

「aimock」提供了一套全方位的 AI 應用測試基礎設施，透過單一封裝解決 LLM、Agent 及向量資料庫的模擬需求。 核心定位與價值 「aimock」旨在解決 AI 應用開發中測試困難的痛點，特別是針對依賴外部 API（如 L...

TanStack AI 推出 Code Mode，讓 LLM 透過執行 TypeScript 程式碼解決複雜任務。 LLM 在處理數學運算與工具呼叫（Orchestration）時表現不佳，TanStack AI 提出的「Code M...