Will DePue 用模型权重指纹识别六款中国 AI 模型使用的 Nvidia Blackwell 硬件
前 OpenAI 研究员 Will DePue 通过分析模型权重初始化痕迹,发现 DeepSeek、Moonshot AI、MiniMax 和蚂蚁集团自 2026 年 4 月以来发布的六款模型带有 Nvidia Blackwell 硬件特征。
前 OpenAI 研究员 Will DePue 通过分析模型权重初始化痕迹,发现 DeepSeek、Moonshot AI、MiniMax 和蚂蚁集团自 2026 年 4 月以来发布的六款模型带有 Nvidia Blackwell 硬件特征。
Google DeepMind 发布 AlphaProof Code,以多 LLM 智能体形式化验证 Signal 核心加密协议的实际代码。该框架由人类定义安全目标并审核规格,Gemini Carbon 驱动的智能体生成逾 600 万行 Lean 证明,Lean 自动检查结果供专家复核。
推荐理由:材料展示多 LLM 智能体如何形式化验证 Signal 加密协议,并提供 Lean 检查、缺陷复测与开源验证产物等可核查细节。
NVIDIA 与 Elith 发布开源合成数据集 Nemotron-Personas-Finance-Japan,为日本金融 AI 提供不依赖真实客户数据的训练与评测基础。
Google Research 提出 Agile Deliberation,将主观视觉分类器的定义过程设计为概念界定与迭代两个阶段。框架利用视觉语言模型主动呈现边界样本,把用户反馈接入自动提示词优化,并通过 18 次、每次 1.5 小时的真实用户实验测试 Healthy Food 与 Pay-to-Play 两类任务。
推荐理由:文章用真实用户实验说明迭代式人机协作如何细化主观分类边界,并开放了实现代码。
Google Research 介绍 MedGemma、MedSigLIP 和 HeAR 如何支持结核病筛查及诊断分流。
推荐理由:文章完整梳理了结核病筛查 AI 从基准验证、临床试验、监管认证到多国部署的路径,并提供真实运营数据与开放模型实践。
GitHub 发布研究预览版开放基准 ReviewBench,用于统一评估 AI 代码审查智能体。基准包含 219 个公开拉取请求,覆盖 19 种语言,并提供六项指标、公共排行榜及自托管评测工具。其黄金集由多来源发现、人工标注和 Claude Sonnet 5 评审构建,资深工程师独立复核的一致率为 96.6%;GitHub 称该基准的离线评测方向与生产实验一致。
推荐理由:ReviewBench公开了数据、评分方法与提交流程,便于团队在统一条件下比较代码审查智能体并复现实验结果。
Berkeley AI Research提出SPEX与ProxySPEX,用于在规模化LLM分析中识别关键交互。方法利用稀疏性、低度性和层级结构,以较少消融实验支持特征、数据及模型组件归因,ProxySPEX约以10x更少消融实验达到SPEX的性能。两者代码已集成至SHAP-IQ仓库,相关论文分别发表于NeurIPS 2025和ICML 2025。