标签
Liquid AI发布了Liquid Nanos，这是一系列小型基础模型（参数量350M–2.6B），能够在日常设备上运行，并在专业任务上提供前沿级别的性能。
本文介绍了层级自改进（HSI），这是一个通过层级自修改演化任务特定执行框架来增强冻结LLM代理的框架，在中等难度任务上取得了显著提升，但受限于反馈质量和骨干模型能力。
模型路由是降低推理成本的热门趋势，但最佳路由高度依赖具体任务。Harvey和Factory等团队通过专注于单一工作流而非通用路由器，实现了显著的成本节约。
作者使用强化学习训练了Qwen3.6-35B-A3B模型，然后用于强化学习训练小型任务专用Qwen模型，并且完全开源了所有内容。
一个6人团队构建了任务特定AI模型，速度比OpenAI或Anthropic的模型快4到8倍，在HuggingFace上获得50万次下载。