刚刚，LMArena最新模型榜单出炉！DeepSeek-R1网页编程能力赶超了Claude Opus 4
DeepSeek 更新其R1推理模型至0528版本，提升性能并参加LMArena大模型公共基准测试平台的排行榜，DeepSeek-R1（0528）在文本、编程、数学等多个领域排名领先。
机器之心
ACL 2025｜为什么你设计的 Prompt 会成功？新理论揭示大模型 Prompt 设计的奥秘与效能
r Science；曹峻泰是英属哥伦比亚大学研究生，主要研究兴趣集中在大模型推理和可解释性研究；本文
如何选择最佳多模态大模型压缩方案？哈工大、度小满开源EFFIVLM-BENCH基准测试框架
在金融科技智能化转型背景下，哈工大团队联合度小满发布EFFIVLM-BENCH，解决多模态大模型部署算力瓶颈问题。该平台提供统一评估框架，涵盖20多种高效化方法，覆盖多种前沿LVLM架构、任务和基准，揭示加速方案的适用场景差异与复杂性，并在GitHub开源以促进技术发展。
「人类飞机上吵架看呆袋鼠」刷屏全网，7000万人被AI耍了
最近在 X 上冲浪发现一段袋鼠在飞机上吵架的视频被误认为真实，其实是由 AI 生成。AI 内容鉴伪工具 SynthID 可以识别谷歌系内容中的水印，但不适用于所有 AI 模型或第三方服务。
高考数学斩获139分！小米7B模型比肩Qwen3-235B、OpenAI o3
七个大模型在2025年数学新课标I卷中的成绩公布，Gemini 2.5 Pro表现最佳；小米开源模型MiMo-VL在7B参数下击败Qwen-3-235B。
通用 Agent 之外，Agentic Age 流量赛还有哪些「隐藏副本」？
本期通讯解读 Agentic AI 时代的流量入口变化。通用 Agent 并非唯一可能性，不同玩家通过语音指令、自然语言编程等路径争夺新入口。