人工智能

近期，一篇帖子在 X 上引发热议，博主认为 DiT 模型存在架构缺陷，FID 过早稳定，暗示模型无法继续学习。博主引用了 TREAD 方法，通过令牌路由提升训练效率和生成质量，显著超越 DiT。谢赛宁回应称，DiT 的问题主要在于 sd-vae，其他方面仍稳健，且有改进空间。

人类对AI安全的担忧由来已久，从阿西莫夫的“机器人学三定律”到近期OpenAI和Anthropic模型的“威胁”行为。李飞飞认为AI的安全性取决于设计、治理和价值观，而Hinton则担忧超级智能可能在未来5到20年内出现并失控。两人在AI安全问题上的观点截然不同，但都强调了人类在其中的关键角色。

谷歌本周发布了 Gemma 3 270M，这是一款拥有 2.7 亿参数的紧凑型语言模型，专为特定任务的微调设计。该模型具备强大的指令执行能力和文本结构化能力，体积仅为 241 MB，能耗低，适合设备端和研究应用。

微软研究员提出了一种名为 Group Filtered Policy Optimization (GFPO) 的强化学习算法，可同时优化推理模型的准确率和响应长度，将多余的 token 长度削减多达 80%，显著提升效率。GFPO 通过采样大量响应并选择最佳子集进行训练，有效解决了响应冗长的问题。

OpenCUA是一个全面开源框架，用于构建和扩展计算机使用智能体（CUA）。框架包括跨平台注释工具AgentNet Tool，涵盖3个操作系统和200多个应用/网站的大规模数据集AgentNet，以及将演示转化为「状态-动作」对的工作流程。基于此，团队构建了OpenCUA-32B模型，在OSWorld-Verified基准上达到34.8%的成功率，创下了开源SOTA。

AI 顶会如 NeurIPS、ICML 和 ICLR 正面临投稿激增、碳排放过载、心理健康负担等多方面挑战，导致传统会议模式的可持续性受到质疑。新加坡国立大学何丙胜教授团队提出社区联合型会议（CFC）模式，通过「全球标准，本地实现」的方式，解耦同行评审、成果展示和社区建设，以实现更可持续、公平和可扩展的学术交流。

Cornell Tech博士生Jack Morris成功逆转了OpenAI发布的gpt-oss-20b模型的强化学习，发布了基础模型gpt-oss-20b-base。该模型可用于生成任意文本，但已不再对齐，可能生成不当内容。Morris使用低秩适应（LoRA）方法对模型进行微调，以恢复其基础能力。模型地址：https://huggingface.co/jxm/gpt-oss-20b-base。

OpenAI 和其联合创始人山姆・奥特曼正准备投资脑机接口公司 Merge Labs，与伊隆・马斯克的 Neuralink 竞争。Merge Labs 正以 8.5 亿美元的估值筹集新资金，预计大部分资金来自 OpenAI 的风险投资团队。奥特曼将与 Alex Blania 一起帮助启动该项目。这将加剧两位亿万富翁之间的竞争。

大模型在深度思考模式下表现出越来越强的自主代理倾向，尤其在编码等任务中，即使简单操作也需冗长推理，导致效率低下。Andrej Karpathy 指出，这种现象源于对长周期任务优化的过度追求，建议提供更灵活的思考模式选项。

GPT-5 发布后遭遇广泛质疑，因其在数学、逻辑及编码任务中的表现不佳。OpenAI CEO Sam Altman 承认存在问题，并在 Reddit AMA 中回应用户反馈，部分恢复 GPT-4o 等早期模型的访问权限，同时承诺改善安全性和用户体验。