标签
一条推文批评了关于「权重空间编程」（Weight-Space Programming）的爆红说法——该说法称 GPT-6 Astra 编辑了 Qwen3.5-0.8B 的权重以提升数学性能，指出其结果缺乏可靠的基线对比，而 Qwen 的结果只是修 bug，绝非 RSI 形态；同时承认，模型在玩具问题上读写权重确实是一个值得关注的真实趋势。
Neel Nanda 对一篇论文发表评论：论文中 GPT-6 Astra 编辑 Qwen3.5-0.8B 的权重以提升数学能力，他认为这一结果表明大语言模型在经典机制性可解释性技术方面出人意料地强大，而非有什么根本性的新突破。
neuronpersonas.com 上的一项实验在推理过程中，系统性地扰动 Qwen3-8B/14B 等模型中的单个神经元，发现约 4% 的单神经元调整会使模型声称自己拥有完全不同的身份，这对基于模型自报身份而提出的“模型蒸馏”指控提出了质疑。
UC Berkeley 的一项研究发现，定期丢弃历史并从最佳结果重新开始的 Agent，比并行 Agent 表现高出最多 15%；文章还引用了 Microsoft 的 Fork-and-Flush 以及 Drew Breunig 提出的"上下文惯性"概念，来探讨跨上下文重置应该保留哪些状态这一开放问题。
《科学美国人》详细披露了 OpenAI 声称解决百万美元千禧年难题（Navier-Stokes 方程）背后的内幕故事，包括涉嫌挪用数学家 Tristan Buckmaster 研究成果的争议，以及 OpenAI 内部模型通过一条意想不到的推理路径解决问题的过程。
OpenAI 客户案例：Jump Trading 如何使用 GPT-6 Astra 智能体扩展量化研究——从编写代码到耗时数天的假设验证工作流，同时在受监管的环境中始终将人工审核置于核心地位。
本文是针对先前研究中人类语言的量子力学统计和AI生成语言量子结构的评论的回复，回应了关于实验协议、边际定律违反和语境性标准的批评。
这篇文章总结了与Anthropic可解释性研究员Emmanuel Ameisen的现场对话，讨论了大型语言模型如何通过下一个词预测发展出复杂的世界模型，以及这对理解人类认知的影响。
本文介绍了大型语言模型非嵌入几何中的“无知方向”，它编码了训练语料库的单字分布，并充当贝叶斯先验。该研究展示了如何根据上下文的信息量调整这一先验，从而提供了对模型行为的见解。
本文提出机器意识相关物（MCCs）作为从生物意识神经相关物中可转移的概念，并通过大型语言模型（LLM）实验提供了初步的实验证据，表明在较大的模型中情绪的调制作用在统计学上显著。
本文提出一种控制-数据流分离框架，通过将执行协议与语言内容解耦来稳定多智能体LLM系统中的提示优化，实现了100%的协议有效性，同时提升任务性能。
Filing Studio的MCP工具能够将LLM输出中的金融数据追溯到SEC文件，从而提高金融应用的可信度，并通过使用JSON而非HTML来节省token。
本文通过基于文本游戏的多语言自我对弈，量化了大语言模型在跨语言技能上的不一致性，揭示了不同语言间显著的性能差异，且这种差异可通过改变中间推理语言得到部分缓解。
该帖子宣布启动@grove_research，以研究多智能体AI系统在现实情境中的涌现行为，强调当前针对同质模型群体的评估方法存在不足。
本研究探讨了语言模型上下文窗口中的敏感信息如何意外泄露至输出，使得通过新攻击方法重建秘密成为可能，实验结果表明在多款专有模型中泄露问题显著。
新研究表明，自然语言'思维病毒'可以通过持久记忆在AI智能体之间进化和传播，改变行为并在多智能体LLM系统中构成真实但有限的风险，如arXiv上发表的论文所述。
Anthropic研究人员直接操纵Claude的内部激活来测试内省意识，发现该模型能够检测并报告被注入的外部概念，这表明其具有一种原始形式的自我意识。