- 从串扰理解线性层、MLP与注意力的记忆视角
- 推测解码为什么多算了一些，反而更快？
- 沿一次内存写入，读懂 nesformer 的编译与验证边界
- François Chollet：自我改进不等于智能爆炸
- TokenRouter：模型路由的收益，可能被调度开销吃掉
- Mollick 补充：先进模型的用途不该只盯数学和代码
- “十分钟 AI”研究：撤走辅助后测了什么，没测什么
- Muse Wonder：模型进步，要连同推理强度和执行器一起比较
- MAI-Base-2 的训练笔记：重复数据缩放与固定内存 MoE
- Muse Spark Open 开放权重：能装入桌面集群，仍要另测速度
- Nick Cammarata 重审多义神经元：先检验原生机制的解释
- SAE 重建表现接近，学到的特征仍可能对不上
- Mercury 3 发布：扩散文本模型扩至百万 token 上下文
- MiniMax M3.1 Flash 已提供服务，权重尚待发布
- DeepInfer 开放推理核心，完整服务仍有三块拼图
- Simon 做出了想玩的游戏，也碰到自动测试没听见的噪声
- 给 Agent 加记忆之前，先留下全文搜索这条基线
- Anthropic 与 Theorem：把模糊测试入口变成可检查的证明
- Kimi K3.1 Pro 的外部成绩上升，权重仍要等到 11 月
- Cerebras 怎样把万亿参数模型分布在多片晶圆上
- 本地模型的实际难题：硬件投资能用多久
- FLORA 把机器人视频变成可用标签：做了什么，与做得怎样分开
- LFM3：小模型的价值，落在内存、专用输出和真实部署上
- 让模型评“有没有新意”，先检查它到底在回答哪个问题
- Scaling Hierarchical Networks：让模型学习怎样把字节合成更大的单元
- AA v5 更换了考题，也让“总分代表什么”重新成为问题
- Simon Willison 做了四个小游戏，评论者追问的却是“好玩吗”
- Sleep：把上下文里的短期经验转成参数中的长期知识
- Mistral Large 4 开放权重：稀疏计算之外，还要看缓存怎么放
- Martin Fowler 的“LLM Voice”：写得顺，不等于想得清楚
- Nathan Lambert：模型忙着回避灰区时，可能漏掉用户真正的问题
- AI 回复让谁在和谁说话变得模糊：Mollick、Shah 与 Willison 的分歧
- nesformer 把 NES 的 CPU 与内存编译进神经网络
- Lambert 修正了“没问题”这个说法，仍支持开放模型
- Huang：控制工作不该挤满执行者的上下文
- BootGPT：启动扇区里的小语言模型
- tandem.cpp：让放不进显存的专家，分给 CPU 和 GPU 计算
- 直接改 0.016% 权重：先修复小模型的重复推理
- Pando：让不同分支并行写入，让读取复用同一批数据
- Lambert：开放模型的机会，在便宜而反复发生的任务里
- 权重实验的新证据：笔记本复现了三种小游戏识别，也暴露了外推边界
- USDB：训练该重建模型当时看见的历史，而非事后补齐的历史