LLM

2026年7月17日

昨天是开源大日子 - Thinking Machines 发布首个基座模型 Inkling（975B MoE，Apache 2.0），Moonshot 放出 2.8 万亿参数的 Kimi K3，xAI 的 Grok 4.3 首次登陆 Amazon Bedrock，NVIDIA Nemotron 3 Embed 登顶 RTEB 排行榜，ChatGPT 也开始接管桌面操作。

2026年7月13日

AI Engineer 频道集中发了一批高质量 talk - Phaidra 的 50 万传感器让 LLM 陷入语义盲点、微软 Pablo Castro 谈 AI 知识系统的检索与理解之别、Alignment Forum 上让模型通过独立推理形成道德判断的训练流程，还有 eBay 给每个 PR 打分的 ReviewDebt 框架。主线是从让 AI 跑起来转向让 AI 可靠地跑起来。

2026年7月12日

Hamel Husain 和 Antaripa Saha 拿 100 条真实生产 trace、39 个已知失败，横评了 Braintrust、Arize、LangSmith 三个评估平台和 Claude Code、Codex、Factory Droid 三个通用 coding agent - 成绩各有高低，但所有系统都漏掉了同一类 failure，引出 criteria drift 与人在回路的评估方法。

2026年6月21日

Google DeepMind 对 DiffusionGemma 展开透明度审计，发现扩散语言模型的中间变量仍可解释，但非时序推理让算法透明度更具挑战；AlphaFold 创造者 John Jumper 离开 DeepMind 加入 Anthropic；Codex 则新增从一次操作演示中学习并重复执行工作流的能力。

2026年6月19日

GLM-5.2 以 753B MoE、百万 token 上下文和 IndexShare 稀疏注意力机制登顶开放权重模型；Google DeepMind 发布 AI Control 路线图，Amazon Bedrock AgentCore 正式 GA，智能体安全与运行基础设施同步加速。

2026年6月6日

把 Mistral Small 这样的生成式小模型，改造成能同时打多个情感标签的分类器。真正的工作量不在微调本身，而在 GoEmotions 那份严重倾斜的标注数据上。

2026年5月16日

今天聚焦 LLM 架构、预训练稳定性和 AI 学习边界：Sebastian Raschka 梳理长上下文效率相关的新架构，Dwarkesh Patel 总结打破因果性与引入偏置如何导致训练失败，同时讨论强化学习与人类学习之间不能被忽视的差异。

2026年5月6日

OpenAI 把 ChatGPT 的默认模型从 GPT-5.3 Instant 升到了 GPT-5.5 Instant。发布页那篇博客只讲了三件事 - 幻觉减半、回答更短、记忆更聪明；但如果再翻一下官方的 System Card，会发现还有第四件 - 这是 OpenAI 第一次让默认 Instant 模型跨过 High capability 门槛。

2026年4月16日

Anthropic 今天发布 Opus 4.7。价格没变、上下文没变，但 SWE-bench Pro 涨了差不多 11 个百分点，第一次支持高分辨率看图，指令遵循也更严格。对开发者来说，这是一次值得立刻换的免费升级。

2026年3月26日

三大 AI 模型各有什么强项？中文能力谁最好？写代码谁最强？这篇给你一个实用的选择框架。

2026年3月20日

MCP 是 AI 应用的 USB-C 接口。一文搞懂它是什么、为什么需要它、以及怎么用起来。

2026年1月29日

深入剖析 Moltbot 如何用 Markdown 文件作为记忆源、SQLite 作为检索缓存，实现透明、可编辑、可迁移的 AI 长期记忆系统。

2025年3月24日

DeepSeek最新发布的v3 0324更新带来了685B参数的强大模型，在编程和前端设计方面表现出色，本文通过实例展示其能力。

2025年2月5日

本文是Andrej Karpathy的视频 Deep dive into LLMs 的笔记

2025年1月29日

机器学习中的量化入门

2025年1月27日

探索模型蒸馏技术如何实现大型模型向小型模型的知识迁移，以及在实际应用中的重要价值。

2025年1月26日

探索DeepSeek团队在大语言模型推理能力提升方面的创新方案，包括纯强化学习的R1-Zero和结合冷启动的R1模型。