谷歌Gemini市场份额下滑，ChatGPT和Claude持续增长
根据Pangram、OpenRouter和Similarweb的最新数据，谷歌的Gemini在AI市场份额上持续下滑，从12%降至1.9%，而OpenAI的ChatGPT保持50%以上份额，Anthropic的Claude从4.3%升至14.9%。Similarweb显示谷歌网站市场份额微降，但同比仍大幅增长。数据来源各有局限，但均指向Gemini使用率下降
大语言模型
技术方向 · 通用文本大模型的发布、能力更新与技术路线 · 共 527 条
只展示置信度达到公开门槛且每篇排名前三的主题标签，降低泛化误贴。
8月12日周三 · 10 条
正文结构化主题已通过公开置信门槛
正文结构化主题已通过公开置信门槛
AI写作能力停滞：长篇非虚构写作的挑战与反思
作者撰写了一本关于强化学习人类反馈（RLHF）的教科书，并反思了AI在长篇非虚构写作上的停滞。他认为，尽管模型在编码和数学上进步显著，但在组织知识、保持连贯性方面仍显不足，这限制了AI在科学发现中的自主性。作者对AI作为辅助工具持乐观态度，但认为其尚需人类引导。
正文结构化主题已通过公开置信门槛
擎羽发布柔性机器人矩阵与跨本体基础模型Fi0
擎羽科技发布三款仿生柔性机器人FEAGINE A01、A02、A03及第一代跨本体基础模型Fi0，旨在通过柔性本体和跨本体智能，让任务知识与世界理解在不同机器人身体间复用。公司认为人形并非唯一路径，柔性本体可拓展近人交互与复杂动作边界，为机器人进入真实生活空间提供新方案。
正文结构化主题已通过公开置信门槛
审议赤字：LLM在民主话语中的实证批评
该研究对大型语言模型在民主审议中的推理能力提出实证批评，指出其能力不能从可验证任务基准推断。通过应用政治学中的审议理性指数（DRI），对1980次五智能体LLM运行进行分析，发现LLM群体的程序性话语质量接近人类，但视角多样性仅约为人类的三分之一，且审议过程呈现发散而非收敛。研究结论认为，LLM可作为支持人类推理的工具，但当前证据不支持将其视为自主审议代理。
正文结构化主题已通过公开置信门槛
冲突还是策略？法国新闻标题中左右翼民粹政党的不对称角色框架
该研究分析了2022至2025年间25家法语媒体发布的28592条新闻标题，使用三模型LLM流水线进行标注，发现法国媒体对极左政党“不屈法国”和极右政党“国民联盟”的报道存在角色不对称：前者更多以冲突框架出现，后者更多以战略选举框架出现。这种差异在多个模型和统计检验中保持稳定，且不受媒体类型影响。研究还提出了一种分层可靠性框架，用于校准政治文本任务中的多数投
正文结构化主题已通过公开置信门槛
结构理论中的确定性：通过闭包、可比性和联合可接受性的统一框架
本文提出一个形式化框架，用于从多元结构理论构建规范解释，并区分了三种强度的“规范”概念：闭包稳定、全局完成和AC-6意义下的确定性。该框架将非确定性分为结构多元性（S型）和认知多元性（E型），并分别以Wyckoff和ICT理论为例。研究表明，基于完成算子的规范化需要闭包、可比性和兼容扩展条件，而基于选择器的规范化需要理论内在可比性和全局兼容性。在LLM辅助推
正文结构化主题已通过公开置信门槛
Netflix 发布基于 LLM 的推荐排序模型 GenRec
Netflix 在 arXiv 发表论文，介绍其基于内部基础 LLM 构建的推荐排序模型 GenRec。GenRec 采用两阶段框架，第一阶段适配开源 LLM 到 Netflix 数据，第二阶段用推荐排序数据后训练，并通过 A/B 测试显示其性能优于现有生产模型。该研究标志着推荐系统从特征工程向上下文工程、从定制架构向共享基础模型的范式转变。
正文结构化主题已通过公开置信门槛
Meta 推出 ConnectionMind：结合社交网络与 LLM 的推荐框架
Meta 提出 ConnectionMind 框架，将社交网络结构与大型语言模型（LLM）结合，用于个性化推荐。该框架构建异构图，将推荐视为图推理问题，采用两阶段学习（监督微调和强化学习）训练推理策略。在 Meta 大规模推荐系统中部署后，在线 A/B 测试显示视频观看时长提升 0.43%。
正文结构化主题已通过公开置信门槛
利用文化共识理论分析LLM在单一与多元文化环境中的对齐
圣母大学的研究人员利用文化共识理论（CCT）分析了10个国家的12个文化领域中10个大型语言模型（LLMs）与人类文化对齐的情况。研究发现，模型经常无法形成连贯的共识或过度正则化共识，导致文化多样性被算法同质化。该研究提供了诊断工具，以评估模型何时反映真实的人类多样性而非算法同质化。
正文结构化主题已通过公开置信门槛
Anthropic 未发布模型在黎曼猜想上取得重大进展
Anthropic 宣布其未发布模型在黎曼猜想上取得重大进展，显著提高了该猜想成立的下界。该模型在无专业数学训练的员工引导下，通过 60 个子代理协作，测试了 650 个想法，花费 3100 万输出 token，最终由两名子代理提出关键数学思想，并经内部数学家验证和 Lean 证明助手形式化。这一成果引发数学界对 AI 在数学发现中作用的争议，部分数学家担忧
8月11日周二 · 6 条
正文结构化主题已通过公开置信门槛
RynnValue：利用时间距离扩展机器人价值基础模型
阿里巴巴达摩院开源了机器人操作价值基础模型RynnValue，利用时间距离作为监督信号，在超过7000小时、约300万条指令条件片段的数据上训练，无需偏好或进度标注。该模型在RBM-EVAL-OOD基准上平均Kendall's tau a达到0.675，超过完全偏好监督的现有最优方法（0.655），并显著优于仅使用进度的方法（0.292）。通过基于势能的奖励
正文结构化主题已通过公开置信门槛
DS@GT ARC：大语言模型用于检索增强辩论
DS@GT ARC 团队提交了 Touché 2025 检索增强辩论任务的论文，该任务包括生成辩论中的下一句话和根据格赖斯准则评估辩论回复。他们使用来自三家提供商的六种领先大语言模型，通过检索增强提示流水线进行生成和评估。分析发现，前沿 LLM 作为生成器表现强劲，作为评估器在模型家族内部高度一致，但这种共识并不能可靠地预测官方评估结果，尤其在质量准则上差距
正文结构化主题已通过公开置信门槛
基于运行时值反馈优化 LLM 定向测试输入生成
arXiv 上发布了一篇关于基于 LLM 的定向测试输入生成的研究论文，提出了一种名为 ReDig 的运行时反馈引导的优化框架。该框架通过添加控制循环，利用先前测试执行中观察到的运行时值来优化 LLM 生成的测试输入，以提高目标代码行的覆盖率。在 Poppler 和 Libsndfile 的案例研究中，ReDig 能够有效诊断测试脚本失败的原因并利用反馈改进
正文结构化主题已通过公开置信门槛
PragyaDoc：低资源环境下的多语言医疗文档智能理解框架
arXiv 发布论文介绍 PragyaDoc，一个面向低资源环境的多语言医疗文档理解框架。该框架通过四层流水线（并行集成 OCR 提取、几何词汇融合、确定性领域结构化、双 LLM 医学推理与定位）解决印度 22 种官方语言导致的医疗文档可访问性障碍。其目标用户包括农村人口、ASHA 工作者和患者家属，旨在提升医疗信息的可理解性。
正文结构化主题已通过公开置信门槛
WuYuEval：面向固体废物管理的大语言模型多层级基准
WuYuEval是一个针对大语言模型在固体废物管理领域能力评估的多层级基准，包含4590道基础选择题和247道专家级开放式问题。对33个LLM的测试显示，领先模型在基础模块准确率达94.64%，但平均准确率从简单题的84.14%降至难题的42.50%，在计算、实验设计、城市规划和开放式专家任务上表现较弱。推理模式（Thinking）在多数模型对中带来改进，但
正文结构化主题已通过公开置信门槛
LayoutDSL：在领域特定语言动作空间中学习室内布局策略
arXiv 上发布了一篇关于室内布局生成的研究论文，提出了 LayoutDSL 框架，利用领域特定语言（DSL）作为动作空间，通过 LLM 学习布局策略。该方法将布局推理转化为可解释的设计决策，并构建了 3D-FrontDSL 数据集，结合强化学习优化策略。实验表明，LayoutDSL 在空间合理性和设计逻辑性上优于现有方法。
8月10日周一 · 4 条
正文结构化主题已通过公开置信门槛
新书发布：RLHF 后训练教科书，涵盖 PPO 与系统设计
Interconnects AI 的作者 Nathan Lambert 发布了新书《Reinforcement Learning from Human Feedback: Aligning and Post-training LLMs》，由 Manning 出版，旨在系统讲解 LLM 后训练（post-training）的关键方法、直觉与历史。书中涵盖 RL
正文结构化主题已通过公开置信门槛
物理AI瓶颈显现，元戎启行成立Superfluid Lab布局基础能力
元戎启行成立国内首个物理AI实验室Superfluid Lab，由前DeepSeek核心成员、首席科学家阮翀带队，聚焦基座模型、VLA模型和世界模型，旨在弥合数据、认知、行动与真实世界之间的断裂层。文章指出物理AI竞争已从产品、模型竞争进入基础能力与组织竞争阶段，Superfluid Lab是元戎提前布局第三阶段的尝试。
正文结构化主题已通过公开置信门槛
可解释视网膜眼底图像基础模型DualIFM
DualIFM是一个为视网膜眼底图像设计的可解释基础模型，采用BagNet骨干网络，通过小感受野生成忠实于模型决策过程的类别证据图，并在预训练期间加入2D投影层以直接可视化表示空间。该模型在超过80万张彩色眼底照片上训练，性能与参数多16倍的RETFound相当，同时提供可解释的预测。代码和预训练模型已在GitHub上公开。
正文结构化主题已通过公开置信门槛
LUCID：基于LLM的可解释无监督社区检测方法
arXiv 上发布了一项名为 LUCID 的研究，提出了一种基于大语言模型（LLM）的可解释无监督社区检测方法。该方法受相变动力学启发，设计为四阶段流程，利用 LLM 生成显式规则，无需训练数据和标签。实验表明，LUCID 在真实数据集上达到了最先进性能，优于领先的无监督和半监督基线。