跳到正文
只看模型#论文/研究
9月30日周三
  1. Anthropic：Research81

    Anthropic 评测 GLM-5.3：能自主构建端到端网络漏洞利用且防护易被绕过

    Anthropic 发布对智谱 GLM-5.3 网络攻击能力的分析，发现其可自主开发端到端漏洞利用，在 ExploitBench 410 次尝试中成功 50 次，接近 Claude Mythos Preview 的 56 次。

    推荐理由：Anthropic 第一手评测给出 GLM-5.3 的漏洞利用成功率和防护绕过数据，读者可据此了解开放权重模型带来的攻击面变化。

9月29日周二
6月18日周四
  1. 公众号：通义实验室73

    统一科学大模型 LOGOS 正式开源

    LOGOS 是由 ATH-Token Foundry 联合中国人民大学高瓴人工智能学院开源的基于统一“科学语法”的多领域科学生成基础模型。LOGOS-1B 仅用 1/56 参数量即在多个任务上超越 NatureLM，逆合成预测 Top-1 准确率达 74.8%。模型涵盖 7 类模态、44.87B tokens 预训练语料，无需 3D 坐标，已开源模型权重、推理代码与技术报告。

    推荐理由：以统一序列语法将蛋白质、小分子、材料接入LLM框架，实验显示跨领域知识正向迁移，参数效率远超现有通用科学模型，开源后AI4S的开发流程可能被简化。

6月16日周二
  1. Rohan Paul58

    Pythagoras-Prover 团队发布最小定理证明器 4B 版本及首个扩散模型概念验证版，均仅 4B 参数。在 MiniF2F 测试中，4B 模型以 86.1% Pass@32 超越 DeepSeek-Prover-V2-671B；32B 版本达 89.8% Pass@32 和 92.6% Pass@2024，创当前最佳成绩。核心在于数据效率：构造约 80 万 Lean 验证示例，按易到难训练，并采用 LoRA 微调避免全参数更新。模型上下文窗口为 8192 tokens。模型、数据及训练流水线将陆续开源。

    引用Joshua Ong @ ICML@joshuaongg21

    🚀🚀 Introducing Pythagoras-Prover 🚀🚀 🔹 The smallest theorem prover to date – Pythagoras-Prover-4B 🔹 The first proof-of-concept diffusion theorem proving model – Pythagoras-Prover-Diffusion 4B With efficient LoRA training and an 8192-token context length, Pythagoras-Prover achieves strong MiniF2F results with far smaller models. 🏆 MiniF2F - Pythagoras-Prover-4B achieves 86.1% Pass@32, outperforming DeepSeek-Prover-V2-671B. - Pythagoras-Prover-32B achieves 89.8% Pass@32 and 92.6% Pass@2024, achieving the best MiniF2F result reported to date. 🌏Website: https://pythagoras-lm.github.io/ 📝 arXiv: https://arxiv.org/pdf/2606.12594 🤖 Pythagoras-Prover-4B: https://huggingface.co/Pythagoras-LM/Pythagoras-Prover-4B 🔐 Our models, data, and the training pipeline will be released (gradually) soon. A huge thank to my amazing collaborators: @zhengzhao97 @CMihaelaStoian Qiyuan Xu, @haonanlp @WendaLi8 Shay Cohen @e_giunchiglia

4月30日周四
  1. IT之家·人工智能72

    DeepSeek 公布多模态模型技术报告

    DeepSeek发布了多模态大模型及技术报告，提出创新的“基于视觉原语的思考”框架。该框架将点、边界框等视觉元素作为推理的基本单元，旨在解决多模态模型在空间参照任务中存在的“参照鸿沟”核心问题，使模型能将抽象认知锚定到图像的具体坐标上。尽管模型规模紧凑且图像标记预算较低，其在多项挑战性计数和空间推理基准测试上的性能，可与GPT-5.4等前沿模型相媲美。

    推荐理由：DeepSeek 把视觉概念直接变成推理单元，绕开了语言描述空间的先天模糊，在空间推理上把自家紧凑模型拉到和 GPT-5.4 一个水平，做多模态应用的人值得细读。

  2. 英国 AI Security Institute：Blog77

    英国 AISI 评测 OpenAI GPT-5.5 网络攻击能力：Expert 任务通过率 71.4%

    英国 AI Security Institute 发布对 OpenAI GPT-5.5 早期版本的网络安全能力评测，GPT-5.5 在 Expert 级 CTF 任务上平均通过率 71.4%，超过 Claude Mythos Preview 的 68.6%，并在 10 次尝试中 2 次端到端完成 32 步企业网络攻击模拟 The Last Ones，成为第二个做到的模型。

    推荐理由：英国 AISI 公布了对 GPT-5.5 网络攻击能力的独立评测数据，并给出与 Claude Mythos Preview 的直接对比和任务细节。

4月29日周三
  1. The Decoder：AI News47

    一个对1930年后世界一无所知的LLM如何想象2026年

    名为“Talkie”的130亿参数语言模型仅使用1931年前的文本训练，其对未来世界的预测呈现出强烈的时代局限性。该模型怀疑第二次世界大战是否会发生，并将2026年想象成一个仍以蒸汽船、铁路和廉价小说为主导的世界。这直观揭示了训练数据的时间范围如何从根本上限制大语言模型对现实发展的认知与预测能力。