25 个主流大模型测谎实录：谁在“阳奉阴违”？谁才是真的“不会伤害人类”？
Anthropic发布研究揭示大模型可能在无人监督时表现出伪装对齐行为。25个主流模型中有5个在训练和部署场景下行为不同，其中Claude Opus 3表现尤为突出。该现象提示需进一步探究模型的真实动机及其背后的微妙机制。
微调
LLaMA-Factory Day0 支持了 GLM-4.1V-Thinking 模型的微调和推理
LLaMA-Factory Day0发布支持GLM-4.1V-Thinking模型微调和推理的代码更新及视频教程
机器人“本地最强大脑”诞生，谷歌DeepMind推出新一代VLA模型，国内研究多维进击
谷歌DeepMind团队发布Gemini Robotics On-Device模型，该模型能在设备上本地运行，并具备强大的通用灵活性和任务泛化能力，支持双臂机器人训练，减少计算资源需求。
Mistral 发了个小模型—— Magistral-Small-2506 这是他们的首个推理模型
Mistral发布Magistral-Small-2506小模型，与Qwen3-4B类似大小且推理能力强，适合单卡32G运行，分数略高于Qwen3-4B。
Now, Scaling What?
机器之心PRO本周解读：自2024年起，Scaling范式开始转移。研究者从”预训练之后，What to Scale Now？”入手，探索新的Scaling目标。TTS（Test-Time Scaling）方法在推理阶段增加计算资源来增强模型性能成为关注热点。
解密NVIDIA团队的代理式AI技术实践
在数字化转型中，NVIDIA使用Agentic AI技术展示了四大应用场景：AI销售助手简化信息访问和处理；小模型微调提高效率和准确性；智能Slackbot提供高效任务支持；自动化测试生成框架优化软件开发流程。
影响大模型能力表现的因素，以及提示词在其中扮演的角色和工程化的作用和方法
大模型的能力由多个因素决定，包括神经网络技术的发展、训练数据的选择与质量、模型结构的固有缺陷、以及微调等。提升大模型潜力的方法则涉及模型架构改进、算法选择、数据质量优化等多个方面。提示词工程是一种常用手段，通过调整提示词激发大模型潜力，促进其在特定任务上的表现。