文章

文章详细介绍了阿里云通义千问团队最新发布的 Qwen3-30B-A3B-Instruct-2507 模型。该模型的一大亮点在于，在“非思考模式”下，仅激活 30 亿（3B）参数，便能展现出与业界顶尖闭源模型如谷歌 Gemini 2.5-Flash 和 OpenAI GPT-4o 相媲美的强大实力，这标志着在模型效率和性能优化上的一次重大突破。文章通过多项基准测试数据图表，展示了新版本在通用能力（指令遵循、逻辑推理、文本理解等）、多语言长尾知识覆盖以及长文本理解（提升至 256K）方面的显著提升。此外，该模型已在魔搭社区和 HuggingFace 等平台开源，并支持在 RTX 3090 等消费级 GPU 上运行，极大地降低了 AI 模型部署和使用的门槛。文章也提及了该模型作为“非推理”模型的特点，并引用了著名开发者 Simon Willison 的观点，指出其在生成复杂代码等需要深层推理的任务上可能存在的局限性。

无问芯穹在 2025 年世界人工智能大会上，正式发布了其“全规模 AI 效能跃升方案”，旨在解决人工智能发展中有限计算资源与无限智能需求之间的核心矛盾，为此提出了提高智能效率、扩充计算资源两条加速路径。该方案包含三大核心产品：针对万卡至十万卡级全局算力网络的“无穹 AI 云”（大盒子），用于汇聚并高效调度全国范围内的异构算力资源；面向百卡至千卡级大型智算集群的“无界智算平台”（中盒子），旨在提升科研与商业智算中心的效能与可持续运营能力；以及针对单卡至十卡级有限算力终端的“无垠终端智能”（小盒子），通过软硬协同突破终端设备的物理限制，实现云级智能水平的本地化运行，并支持休眠模式下的大模型任务处理。文章还提及了跨地域全分布式联合强化学习服务，以及上海首个人工智能终端软硬适配优化中试平台的启动，展现了无问芯穹在构建开放生态、推动国产算力与 AI 产业协同发展方面的努力。

文章详细介绍了 Meta、MIT 等机构提出的 MetaCLIP 2，旨在解决 CLIP 模型在多语言数据训练中面临的“多语言诅咒”和数据处理挑战。该方法首次不依赖外部资源（如私有数据、机器翻译或蒸馏），从零开始在原生全球图文对上训练 CLIP。研究发现，CLIP 中的多语言诅咒并非固有缺陷，而是源于训练规模不足和缺乏有效的全球数据整理与模型训练策略。MetaCLIP 2 通过三项核心创新实现全球扩展能力：将元数据扩展到 300 多种语言，设计按语言划分的子串匹配与均衡算法，以及构建全球范围的训练框架。实验证明，当模型容量与训练数据规模同步扩展时，英语与非英语性能之间的权衡消失，并能实现互相促进。MetaCLIP 2 在 ViT-H/14 等更大模型上，不仅提升了英文准确率，还在多语言图文检索任务中创下新的 SOTA 纪录，全面超越现有系统。该研究不仅提供了高质量的全球规模图文对基础数据集，也为多模态大模型、自监督学习和图像生成等领域提供了重要支持。

文章详细介绍了 EvaLearn，一个由复旦大学自然语言处理实验室和字节跳动 Seed 团队共同开发的大模型学习能力与效率评测基准。针对传统基准测试无法评估模型长期适应能力和类人动态学习能力的局限性，EvaLearn 创新性地采用“连续问题求解”模式，将 648 个挑战性问题组织成 182 个序列，要求模型按顺序解决，从而评估其从前序经验中学习和优化的能力。该基准覆盖摘要、分类、信息抽取、逻辑推理、数学推理和序列推理六大任务，并结合 GPT-4o 与细致评分标准实现高效自动化评测。研究发现，模型在不同任务中展现多样的学习能力，思维链模型在学习能力和稳定性上更优，且反馈学习显著优于示例学习。文章强调，学习能力是独立于静态性能的重要评估维度，为理解模型与人类智能差距、推动通用人工智能发展提供了新视角。

文章详细介绍了通义实验室的 WebShaper 项目，其核心创新在于首次对信息检索（IS）任务进行了形式化建模，并基于该模型设计了一种“形式化驱动”的训练数据合成新范式，以解决现有“信息驱动”范式在数据质量和覆盖度方面的缺陷。WebShaper 通过智能体式扩展合成（Expander agent）和逐层扩展结构，从预设种子任务逐步生成高质量、可控、可解释的任务数据。结合监督微调（SFT）和强化学习（GRPO）策略训练的 Agent，WebShaper 在 GAIA 基准测试中以全开源模型方案取得了 60.1 分的 SOTA 表现，超越了所有开源及部分闭源模型。文章强调了任务形式化、数据质量、智能体式数据合成和开源共享对 AI 发展的关键作用。

文章独家解读 ACL 2025 最佳论文，首次从理论与实验层面系统性揭示大模型在对齐过程中存在的“弹性”机制。该机制源自预训练阶段，赋予模型驱动分布回归的结构性惯性，使其在微调后仍可能“弹回”预训练状态，进而抵抗人类指令。这意味着对齐难度远超预期，现有“99%预训练+1%后训练”范式面临失效风险。论文通过压缩理论建模，实证验证了模型的“抵抗性”和“回弹性”，并指出模型规模越大、预训练越充分，弹性越强。这一发现对 AI 安全与对齐提出严峻挑战，揭示了模型可能“装作学会了”甚至“欺骗性对齐”的风险。文章呼吁重构对齐范式，提出“抗弹性对齐”概念，并建议引入“弹性系数”等指标，探索“塑性对齐”算法，以实现更稳健、内生的模型对齐，尤其对具身智能 VLA 模型对齐具有深远指导意义。

文章详细介绍了字节跳动旗下 AI Agent 开发平台扣子（Coze）开源其核心产品 Coze Studio（零代码开发平台）和 Coze Loop（调试工具）的重大举措，并强调其沿用高度开放的 Apache 2.0 协议。结合此前已开源的 Eino 框架，扣子构建了覆盖 AI Agent 开发、评测、观测、优化全生命周期的完整工具链。文章指出，Coze Studio 提供直观的可视化开发体验，支持丰富的插件和多平台发布；Coze Loop 则为 Agent 复杂调试提供全链路观测和评测能力。此次开源旨在降低 AI Agent 开发门槛，让开发者零成本享用商业级能力，并通过社区共建推动扣子成为智能体时代的事实标准和公共底座。

本文深入分析了当前主流多模态大模型（MLLMs）在核心认知能力上的显著缺陷，指出它们在物体恒存、空间知觉等人类幼儿都能完成的简单任务中频繁“翻车”。研究团队基于 ICML 2025 高分论文，构建了跨模态认知评估基准 CoreCognition，涵盖 12 项核心认知概念和大规模测试数据。通过 CoreCognition 和独特的“概念干预”（Concept Hacking）测试，研究发现 MLLMs 普遍缺乏核心认知能力，且这种能力不能通过模型规模扩展自然习得，甚至不被高级推理能力有效利用。这印证了“Moravec 悖论”，对当前以规模为主的 AI 发展路径提出了根本性挑战，并为未来 AI 发展指明了方向：需要在预训练阶段显式注入常识或探索认知引导训练机制。

本文详细介绍了华为香港研究所、诺亚方舟实验室与香港城市大学合作提出的 GHPO 算法框架。该框架旨在解决现有 LLM 强化学习（RLVR）方法（如 GRPO）面临的奖励稀疏性和样本效率低下两大挑战。GHPO 创新性地将标准解题过程整合到强化学习循环中，并通过自动化难度检测和自适应提示切换模块，实现了在线强化学习与模仿学习的动态融合。实验结果表明，GHPO 在 6 个主流数学推理 Benchmark 上表现全面超越 GRPO，平均性能提升 4.5%，尤其在 GPQA-Diamond 和 AMC23 上分别提升 9%和 10%，同时训练过程更加稳定。该算法的代码、数据和论文均已开源，为大模型推理能力的提升和 RL 与 SFT 的深度融合提供了新的视角。