llm

该论文研究预训练模型容量如何影响因果任务的适应效果，基于 Qwen 2.5 构建了 CausalLLM（标量势结果估计）和 CausalGen（生成式反事实建模）两个系统，探讨从标量预测到反事实后训练的容量-适应对齐问题，并被 NeurIPS 2026 Workshop 接收。

讨论 DeepSeek 模型在对话中自称是 ChatGPT，引发关于这是模型蒸馏（distillation）的痕迹还是单纯识别错误的争议。

用户推荐用 ZenMux 网关在 GLM-5.3 与 DeepSeek V4.1 Flash 等模型间切换，用于逆向与渗透研究，并宣传 ZenMux 万圣节盲盒促销活动。

一位科技用户分享称，经过 100 多小时的测试，他们认为 DeepSeek V4.1 Flash 的表现与前沿模型相当，而成本仅为其 1/13 至 1/20，且从模型权重到推理技术栈都完全开放。

一个开源项目，通过智能体群实现测试时计算扩展。据报告，在 Gemma 和 Qwen 等中等规模的开放模型上运行时，该项目在数学和编程基准测试中的准确率大幅提升，每道题最多消耗数亿个 token。

推荐斯坦福 CS329Z《Engineering AI Agents》课程，系统覆盖 agent 工程的核心内容：LLM 基础、RAG、工具调用与函数调用、框架编排（DSPy、LangGraph）、评测与可靠性等，标志着 agent 开发正从调 API 的手艺转变为一门正经工程学科。

新分析指出，最便宜的 LLM 并不总是完成任务的最便宜方式：在会话中途切换模型可能因丢失上下文缓存而抵消成本节省，智能路由应优化整个工作流而非仅看模型价格。

AtomicChat 发布了基于 LiquidAI/LFM3-1.7B 的安全消融版 GGUF 模型，通过投影秩-1 LoRA 移除了对有害提示的拒答（从 61.7% 降至 0%），同时在 MMLU 上无精度损失，并提供 AD-Q6_K 和 AD-Q4_K_M 量化版本。

用户分享了一份简短的 AI 模型清单，列出了他们感到兴奋的模型：GLM 5.5 Flash 和 Qwen 4 27B。

一个用户开玩笑说，自己同时跑两个 Strata 引擎，每秒 70 个 token，每天消耗 1200 万 token，感觉就像个"土皇帝"。他将自己与 Poteto 作对比——Poteto 曾是 Cursor 员工，现已跳槽到 xAI，据报道 Poteto 每分钟消耗 3400 万 token，每月向 Cursor 和 GrokBot 提交 2500 个 PR。

一位实践者分享了全天候运行多智能体团队所积累的宝贵经验，认为主要的失败根源是流程过度，而非模型不佳，并介绍了一套精简的工作流程：通过设计访谈、每个库配备一个协调智能体、以任务交接取代冗长上下文，以及外部测试套件，在六天内构建了 11 个 C# 库（约 114 万行代码）。

一篇科普长文，借 OpenAI 分阶段关停自助微调平台（2027 年 1 月起全面停止新微调任务）这一新闻切入，通俗解释模型预训练、微调与 RAG 三者的区别，指出微调适合调整风格而非注入业务知识，而真正掌握企业数据的是 RAG。

IEEE Spectrum 采访了维基百科“WikiProject AI Cleanup”（AI 内容清理专题）的创始成员 Ellia Lebleu，探讨志愿者检测和清除 AI 生成内容的工作——包括更隐蔽的 AI 写作模式的出现、AI 造成的引用来源误归属问题泛滥，以及 AI 检测工具 Pangram 估计有 15–20% 的新条目由机器生成。

两位物理学家让AI自主选择问题、求解并撰写论文，AI在两小时内产出了一篇具有新颖且重要结果、可投顶级期刊的论文。

ContextGem 1.0 在 Product Hunt 上发布，在 LLM 之外新增决策模型，实现快速、低成本的文档数据提取，并支持 Docling 文件及面向智能体的工具。此次更新还引入了模型组功能，可将每个问题路由至最合适的模型。

提出了 PACE（研究证明代理），支持在应用数学中联合进行猜想修订与证明开发，包含研究循环、独立验证器与证据追踪记忆，并发布了聚焦优化领域的 ResearchProofBench 基准，包含 51 个已知证明任务和 6 个开放问题案例。

该论文提出UMer框架，通过从用户历史社交痕迹中蒸馏个性化心理先验、进行量表引导的多查询检索以及粗到细的证据感知推理，实现基于社交媒体的抑郁严重程度估计，并提供可解释的证据依据。

该论文提出了 TaLenT，这是一个基于大语言模型的端到端检索器-生成器框架，用于文本图问答。该框架通过加权伪标签损失，将标准答案信号用作检索器的监督信息，以提升在三个 GraphQA 数据集上的证据覆盖率和紧凑性。

该论文研究了LLM生成内容在信息生态中的循环再利用问题，发现内容回流会使完整错误声明增加7.29个百分点，同时明确背书减少8.33个百分点，揭示了未被背书的错误细节如何在下游生成中持续存在。

Propasafe-Hybrid 是一个句子级的混合式宣传检测系统，将微调的 Transformer 分类器与大语言模型（LLM）宣传技术分类相结合，并通过成本感知的预过滤阶段减少词元消耗，同时提供可解释的标注和理由。