标签
对 Qwen 3.6-35B 模型的四个 GGUF 变体的编码性能的快速评估。
研究发现，模型的AA智能指数得分与其生成Base64编码响应的能力之间存在0.91的高皮尔逊相关系数，尽管该模型并未针对此任务进行明确训练。
最近的分析表明，针对LLM智能体的基于检索的工具选择最多只能挽回约23%的失败，而针对注意力偏差的读取侧干预措施则可以挽回59-91%的失败，这表明真正的瓶颈在于模型的输出处理，而非输入过滤。
用户@jakevin7表示已删除Superpower，认为随着模型和Agent能力增强，不再需要复杂的技能，反而会影响模型表现。
用户观察到，Qwen 3.6 35B A3B 模型在适当配置下对编程和技术任务表现可靠，质疑进一步的AI进步是否只是在助长懒惰。
介绍了能力切片这一单元，用于将评估失败与LLM中的数据干预联系起来，实现诊断和修复模型弱点的闭环流程。通过两个案例研究进行演示，展示了从训练回归中恢复以及数学推理能力的显著提升。
Claude Code 团队分享了使用最佳实践：CLAUDE.md 应尽量简短并定期清空，坚持 CLI 而非 GUI 的原因是模型进步太快，用 AI 修 bug 已非常高效，核心策略是做减法、轻配置、信赖模型能力。
用户展示了 Qwen3.6-35B 根据截图重建等距房间场景的能力，突出了该模型在 3D 场景生成上的表现，家具细节和纹理处理均有改进。
ChatGPT 的语音模式运行在一个较弱的 GPT-4o 时代模型上，知识截止日期为 2024 年 4 月，比 OpenAI 最新能力要旧得多。文章强调了 OpenAI 消费者语音界面与其更高级付费模型之间日益扩大的差距，这种差距是由于奖励信号清晰度和 B2B 市场激励的差异造成的。