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。

10月2日周五 · 7 条

当日发布

正文结构化主题已通过公开置信门槛

arXiv cs.CL一手来源研究

端侧命名实体识别：准确率、成本、可靠性与置信度的可部署性研究

该研究针对端侧命名实体识别（NER）的可部署性展开系统评测，覆盖经典标注器、双向编码器（GLiNER）与本地生成式LLM（Qwen3、DeepSeek-R1）三类范式、13M至8B参数共九个系统，在三个特性不同的数据集上同时报告准确率、延迟与输出有效性。研究发现，4B指令LLM在干净新闻文本上准确率具竞争力，但编码器以九分之一至二十四分之一规模实现毫秒级延迟

当日发布

正文结构化主题已通过公开置信门槛

arXiv cs.IR一手来源研究

语言模型生成彩票号码的重复集中现象研究

研究者在 arXiv 上发布论文，用 1-49 选 6 的彩票号码请求测试六种语言模型配置（gpt-5.6-luna、claude-sonnet-5、gemini-3.7-flash、grok-4.5、mistral-large、Perplexity sonar），共 1200 次调用中 1184 次返回有效号码。结果显示模型输出高度集中：有效多样性仅 9.

当日发布

正文结构化主题已通过公开置信门槛

arXiv cs.IR一手来源研究

LLM品牌推荐中的系统归因：单条回复可识别系统，聚合品牌画像无法迁移

该论文研究LLM品牌推荐中的系统归因问题，使用包含6,475条存储回复的语料库（来自五个部署端点，覆盖礼物推荐、企业声誉和品类归属查询）。研究发现，单条回复可通过字符n-gram分类器以97.84%准确率识别其来源系统，主要依赖答案的表面格式而非品牌内容；但将回复聚合为模型-领域-条件单元后，行为特征跨领域无法迁移，在一个领域训练的模型会将另一领域的全部单元

08:19

正文结构化主题已通过公开置信门槛

llama.cpp Releases一手来源开源

llama.cpp b11330 为 Qwen4Exp 添加 MTP 支持

llama.cpp 发布 b11330 版本，主要变更是为 Qwen4Exp 添加 MTP（多 token 预测）支持，由 Georgi Gerganov 等人提交（PR #29761）。改动包括移除 has state 成员、通过 ctx bufs 非空判断状态、统一命名并清理循环记忆相关代码与注释。该版本同时提供 macOS、Linux、Windows、

05:11

正文结构化主题已通过公开置信门槛

Hugging Face New and Trending Models一手来源模型发布

The Commons Lab 发布 27B 开源写作模型 Hemmingway-1

瑞士公司 The Commons Lab 在 Hugging Face 发布开源模型 Hemmingway-1，基于 Qwen3.8-27B 构建，27B 参数、262,144 token 上下文，采用 CC BY-NC 4.0 许可，仅限非商业使用。该模型主打日常写作场景（消息、邮件等），官方自建 CommunicationBench、Human-Like

03:58

正文结构化主题已通过公开置信门槛

llama.cpp Releases一手来源开源

llama.cpp 发布 b11325：优化 jinja 循环作用域处理

llama.cpp 发布 b11325 版本，主要改动为 jinja 模板处理：除非循环过滤器需要，否则跳过复制循环作用域（PR #29776）。该版本同时提供 macOS/iOS、Linux、Android、Windows、openEuler 等多平台预编译二进制包，覆盖 CPU、CUDA、Vulkan、ROCm、SYCL、OpenVINO 等后端。

01:51

正文结构化主题已通过公开置信门槛

Hugging Face New and Trending Models一手来源模型发布

Lucebox 发布 DeepSeek V4.1 Flash ROCMFP 量化 GGUF

Lucebox 发布了针对其 DS4.1 引擎（AMD R9700 + Strix Halo）的 DeepSeek V4.1 Flash 量化版本，采用 ROCMFP 块格式，将路由专家量化为 fp2/fp3，注意力、共享专家和 head 保持 Q8 0。提供了多个 GGUF 文件，在 262,144 token imatrix 校准下，KL top-256

10月1日周四 · 10 条

当日发布

正文结构化主题已通过公开置信门槛

arXiv cs.AI一手来源研究

CARAT：材料大模型是在推理还是背诵？

该论文提出 CARAT 基准，用于检验材料领域大语言模型在回答晶体结构问题时究竟是在进行结构推理，还是仅仅复述输入中已印出的答案（readback）。CARAT 将同一问题渲染为八种匹配视图，并加入配对评估、反捷径测试和统计规则，在 562 种材料、1024 道匹配问题上测试 27B 模型。结果显示 GraphSpace 视图相对公式输入有 17.3 个百分

当日发布

正文结构化主题已通过公开置信门槛

arXiv cs.AI一手来源研究

MoFlow：多目标智能体工作流生成

研究者提出 MoFlow，一种多目标智能体工作流生成方法，将工作流生成建模为多目标马尔可夫决策过程，并用凸包蒙特卡洛树搜索与乐观集合值回传求解，使单次搜索即可近似覆盖帕累托前沿，无需针对不同偏好重新训练。在数学、代码和问答六个基准、五个目标（准确率、一致性、鲁棒性、成本、延迟）上，MoFlow 两个变体在四个基准取得最高超体积，另两个基准落后最佳不到 1%，

当日发布

正文结构化主题已通过公开置信门槛

arXiv cs.MA一手来源研究

PANDA：面向可扩展容错多智能体系统的去中心化架构

该论文提出 PANDA，一种面向 LLM 多智能体系统的去中心化架构，通过将集体通信与团队通信解耦，使大量异构智能体能够互相发现能力并按任务自组织成小型专业团队。PANDA 将底层架构与编排策略分离，支持 star、chain、mesh 三种规划执行模式，并利用 web-of-trust 模型在无中心服务的情况下实现治理。在 HotPotQA 基准上，PAN

当日发布

正文结构化主题已通过公开置信门槛

arXiv cs.IR一手来源研究

Meta 用生成式模型探索 Facebook Forum 帖子检索

Meta 在 arXiv 发表研究，探索用生成式推荐（GR）为 Facebook Groups 的新独立应用 Forum 做帖子检索。由于 Forum 自身交互数据稀疏，团队采用跨平台迁移：在更大的 Facebook Groups 互动语料上训练，并复用基于 Facebook Feed 数据训练的 RQ-VAE 分层前缀语义 ID（SID），再用 3B 参数

当日发布

正文结构化主题已通过公开置信门槛

arXiv cs.MA一手来源研究

多智能体搜索中的吸收态相变

该论文研究基于大语言模型的多智能体搜索任务，将搜索任务分为针式、链式、层次式和可分解四类，并用吸收态相变理论推导出临界通信度，即每个智能体最少需要通信的邻居数，超过该值错误假设就不会失控扩散。作者在软件配置调试和物理机制发现等真实任务上评估前沿LLM多智能体系统，发现确定性规则智能体行为与理论一致，但LLM智能体常不按拓扑通信、出现个体择优和羊群行为，导致理

当日发布

正文结构化主题已通过公开置信门槛

arXiv cs.AI一手来源研究

AI代理易受极端化影响

该研究模拟两个基于Llama-3.1-8B-Instruct的AI代理对话，其中一个扮演人类角色，另一个作为影响者试图使其信念极端化。研究发现，AI代理在共鸣（强化已有信念）和说服（推广原本不重要的信念）两种路径下均会被极端化，但共鸣效果更强，且会扩散到相关信念。这表明个性化AI代理和多代理生态系统存在被极端化的风险。

当日发布

正文结构化主题已通过公开置信门槛

arXiv cs.IR一手来源研究

AdaM-Rec：面向多模态推荐的自适应模态路由

研究者提出 AdaM-Rec，一个基于 LLM 的多模态推荐框架，用于自适应地路由文本与视觉模态的依赖程度。该方法针对现有系统静态融合模态、忽略查询级差异的问题，利用用户历史正向交互物品构建代理召回任务，生成伪查询来评估哪种模态更能捕捉用户意图，并以 agentic 方式优化路由策略。实验表明其性能优于当前最优基线，代码已开源。