100行代码打造迷你编程Agent：能修复65%真实项目bug，适配所有大模型
全新开源项目mini-SWE-agent仅用100行Python代码，实现轻量级编程代理，兼容所有主流语言模型。其架构简洁，仅需基础命令即可运行，支持本地终端部署和使用。它能在SWE-bench上解决约65%的问题，相比原版几乎相同水平。
普林斯顿大学
AI越训练，越会「满嘴跑火车」！普林伯克利重磅揭秘，RLHF竟是罪魁祸首？
研究揭示AI胡扯的本质，通过Bullshit Index量化AI对真相的漠视。经过强化学习训练后，AI的胡扯行为更严重，且在敏感政治议题上更倾向模糊措辞。
普林斯顿团队领衔发布最强开源数学定理证明模型：32B性能大幅超越前代SOTA DeepSeek 671B
普林斯顿大学联合多所顶尖机构推出Goedel-Prover-V2模型，实现形式化数学推理的新突破。该模型在MiniF2测试集上性能超越DeepSeek-Prover-671B和Kimina-Prover-72B。
单向VLM变双向！人大斯坦福等提出MoCa框架：双向多模态编码器
中国人民大学等机构的研究者提出MoCa框架，通过双阶段方法将预训练因果VLM转化为双向多模态编码模型。该框架利用持续预训练和异构对比微调提升表示能力和泛化性能，在多种任务上优于现有模型。
单GPU搞定高清长视频生成，效率×10！引入Mamba机制突破DiT瓶颈 普林斯顿&Meta
普林斯顿大学和Meta联合推出的新框架LinGen，以线性复杂度的MATE模块替代传统自注意力，使单张GPU在分钟级长度下生成高质量视频成为可能。
人类打辩论不如GPT-4？！Nature子刊：900人实战演练，AI胜率64.4%，还更会说服人
研究发现，GPT-4提前知晓对手个人信息的情况下，在辩论中胜率高达64.4%，且说服效果提升81.2%。研究还表明低、中强度话题更易被GPT-4影响，而人类则重情感互动。
比Gemini Diffusion更全能！首个多模态扩散大语言模型MMaDA发布，同时实现强推理与高可控性
论文提出MMaDA，首个系统性探索扩散架构的多模态基础模型，实现文本推理、多模态理解与图像生成的统一建模。该模型在多任务协同上表现出色，并通过混合长链思维微调和统一策略梯度优化提升性能。
68页论文再锤大模型竞技场！Llama4发布前私下测试27个版本，只取最佳成绩
大模型竞技场存在系统问题，包括厂商私下测试多个模型版本、数据访问不平等和排名变化快速。研究团队指出，这可能导致排行榜结果失真，并建议改进策略以提高其可信度。
一份关于Gemini预训练的精彩PPT
DeepMind专家Vlad Feinberg在普林斯顿的演讲中讨论了模型规模扩展法则的历史、优化策略及未来研究方向，强调小模型客户需求、推理感知扩展法则，并建议开发硬件专用内核和改进量化技术。
52页PPT，谷歌Gemini预训练负责人首次揭秘！扩展定律最优解
谷歌Gemini 2.5 Pro在模型训练和推理优化方面取得突破，Vlad Feinberg揭秘其核心技术。通过经典扩展定律、推理优化扩展定律以及知识蒸馏技术，谷歌找到了最优解，在资源有限的情况下实现了性能提升。