7B智能体仅凭9个任务训练即超越R1！上交大打造AI-for-AI新范式
研究提出了一种新的训练框架，让大模型自主设计和优化AI算法，显著减少人类干预。通过经验学习范式，7B参数的大模型ML-Agent在9个任务上持续探索学习，最终超越了671B规模的智能体。
泛化能力
Qwen3深夜开源新系列：文本表征模型，3种尺寸可选，超越商业API拿下SOTA
Qwen3 Embedding系列发布，支持多语言文本表征、检索与排序任务。8B版本性能卓越，在MTEB多语言Leaderboard榜单中排名第一。支持0.6B/4B/8B三种尺寸，已在Hugging Face等平台开源。主要亮点包括泛化性强、架构灵活及自定义特性等。
成本暴降88%！通义实验室、北大发布ZeroSearch，无需搜索即可激活LLM检索能力
本文提出ZeroSearch框架，无需真实搜索引擎即可激活大语言模型搜索能力。通过轻量级监督微调将LM转为检索模块，并采用课程学习逐步降低文档质量来激发推理能力，显著降低训练成本和提高性能。
泛化性暴涨47%！首个意图检测奖励范式，AI工具爆炸时代意图识别新解法
腾讯研究团队采用强化学习结合课程采样策略训练意图识别模型，显著提升其在未知意图上的泛化能力。该方法能有效指导模型关注更具挑战性的数据样本，并通过实验验证了GRPO算法优于传统SFT方法的性能优势。
在线教程丨9 秒处理一张图！In-Context Edit 高效图像编辑框架上线
浙江大学和哈佛大学的研究团队推出了In-Context Edit（ICEdit），一款基于指令的图像编辑框架，仅需极少的文本指令即可实现精准的图像修改。