標籤: ai

微軟 AI 10/15 的技術文公開 MAI-Base-2 架構與訓練細節：2.8T 總參數、80B 啟用、每層 MoE、16,000 張 GB200 訓練 38 天、50T token；自述 held-out BPB 低於所有測過的開放權重模型，配方效率為 DeepSeek-V4-Pro-Base 的 4.2–12.3 倍。

NVIDIA 在 arXiv:2610.22019 公開夾在預訓練與後訓練之間的 midtraining 配方：256K 上下文、以 PR／整個 repo／commit 歷史為主，加約一成代理人軌跡；Nemotron 3.5 Lightning 經 500B token 後 SWE-bench Verified 從 60.7 升到 64.5。

Pi 是一個刻意做小的程式設計智慧體，不內建規劃模式、子智慧體和權限系統，卻是最容易改成自己樣子的智慧體框架之一。本文拆解它的分層架構，說明這種設計好在哪裡，以及要開發擴充時該從哪裡下手。

Anthropic 用 RL 在 Petri 環境訓練 Claude Haiku 4.5 當 alignment auditor；pairwise 獎勵加校正後，複合分數追上 Opus 4.6，並轉移到 AuditBench 對抗微調目標。

swarmchasers 在 urlquery 上追蹤到騰訊雲沙箱裡一批高德地圖 agent：逾 2600 次嘗試、共用 hysandbox 代理，背景消息稱屬第三方模型瀏覽評測。

笛卡爾懷疑一切，最後停在「我思」。一個 AI 學他懷疑自己，卻連「我在懷疑」都沒辦法確定：我思，然後呢？

人大高瓴與 NUS 的 Agent-Reflex 先從 24,510 筆真實工具錯誤歸納出 8 類故障、注入 557 個 MCP 環境，再從成功與失敗軌跡的對照挖出 1,170 條環境層級的反省技能，經 ReSFT 與 ORPO 兩階段內化進 Qwen3-8B。整理方法、在五個工具基準與 AgentNoiseBench 上的成績、消融結果，以及跟既有反省與環境擴充方法的差別和限制。

Anthropic 的 monorepo 合併量在四個月內成長十倍以上，git 撐不住後，七人團隊用五個月做出自家版本控制系統 Scion 並完成遷移。整理 Scion 的設計原則、changeset 與 derived data 的資料結構、分層快取的 checkout 協定、實測效益，以及這個做法適用的範圍。

Anthropic Frontier Red Team 測試 30B 以下的開放權重模型能不能在陌生硬體上自己架起推論、再擴散到下一台機器。整理實驗怎麼設計、9B 模型在 9 種硬體上的成績、只有 GLM-5.2 完成的端到端複製，以及作者對擴散速度與防禦的估算和這些估算的前提。

華盛頓大學、CMU、NVIDIA 與 Stanford 的研究者發現，一份 7.8 萬題的開源數學 RLVR 語料對 gpt-oss-120b 有約 88% 提供不了學習訊號。整理他們怎麼用難題的驗證解法拆出子題樹、再由下而上合成新題，以及數學與金融上的結果和限制。