大语言模型[119]
谷歌AI新突破：融合LLM与树搜索，自动生成专家级科研软件性能超越人类
谷歌AI团队2025年9月发布里程碑成果：科研软件自动生成系统，通过LLM与树搜索算法深度结合，实现多源知识整合与代码迭代创新。该系统在基因组学（单细胞RNA测序性能提升14%）、地理空间分析（卫星图像分割IoU超0.80）、神经科学（模型训练提速数级）等多领域突破，推动AI从自动化工具升级为科研创新“思想引擎”。
英伟达发布突破性Rubin CPX GPU：重塑百万级长上下文AI推理
英伟达推出专为百万级长上下文推理设计的Rubin CPX GPU，采用解耦式架构与长序列处理单元(LSPU)，实现3倍注意力机制处理速度，端到端延迟降低40%、能耗下降55%。其128GB GDDR7内存与动态资源分配技术，赋能代码生成、法律研究、长视频分析等场景，重塑AI推理基础设施，预计2026年底上市。
ETH与MATS发布突破性研究：实时检测AI长文本实体幻觉 筑牢高风险领域安全防线
大模型“幻觉”问题制约医疗、法律等高风险领域应用，ETH与MATS团队提出创新实时检测方案。该方法突破传统局限，实现实体级精准识别，低成本实时标记错误实体，无需昂贵外部验证，支持700亿参数模型。可提升AI生成内容可靠性，相关数据集与代码已开源，助力高风险领域安全应用。
华为开源7B模型：快慢思考自适应 精度不减思维链缩短近50%
华为开源openPangu-Embedded-7B-v1.1大模型，创新“双重思维引擎”实现快慢思考自适应切换，采用渐进式微调训练。权威评测显示，通用任务（CMMLU）、数学难题（AIME）等精度提升超8%，思维链长度缩短近50%，效率精度双提升，同步推出1B边缘模型，开源推动行业创新。
杜克大学陈怡然团队DPad方法：破解扩散大模型全局规划与效率两难，实现61倍加速
扩散大语言模型（dLLM）凭借全局规划能力在长文本生成等任务中表现突出，但因需对未来文本进行双向注意力计算，存在计算冗余、推理速度慢的痛点。杜克大学陈怡然团队提出的DPad方法，通过动态窗口聚焦近处关键“草稿纸”（后缀token）、先验丢弃远处冗余信息，实现效率与规划的平衡。该方案无需训练即可即插即用，在主流dLLM上实现61倍推理加速，精度损失不足0.5%，为实时长文本生成、边缘设备部署等场景扫清障碍，推动扩散模型工业化落地。
蚂蚁集团AQ-MedAI提出DIVER框架：RAG技术从关键词匹配迈向逻辑链推理
传统RAG技术依赖关键词匹配，在医学诊断、数学证明等复杂任务中难以挖掘深度逻辑关联。为此，BRIGHT基准应运而生，聚焦推理密集型检索评价。蚂蚁集团提出DIVER框架，通过“预处理→查询扩展→推理检索→重排序”四阶段协同，将推理嵌入检索全流程，实现从关键词到逻辑链的跨越。该框架登顶BRIGHT基准，nDCG@10得分45.8，在医学、数学、编程等场景显著提升检索准确率，且泛化性强。目前论文、代码及模型已开源，助力AI从信息匹配迈向逻辑推理，赋能医疗辅助诊断、教育解题等领域发展。
OpenAI技术双星Pachocki与Sidor：塑造AI巨头的关键路径
OpenAI CEO Sam Altman公开赞扬的“技术双星”Jakub Pachocki与Szymon Sidor，是OpenAI技术大厦的核心奠基者。二人分别主导算法突破与工程落地，从Dota 2项目验证强化学习规模化潜力，到GPT-4研发中实现参数量优化、推理效率跃升等关键突破，推动OpenAI技术边界扩张。2023年OpenAI“宫斗”事件中，他们联合技术团队以辞职施压，逆转董事会决策，彰显技术骨干话语权。而用户对ChatGPT标准语音退役、GPT-4o缩减服务的抗议，则折射出AI巨头在技术迭代与用户情感体验间的平衡挑战。这对“传奇搭档”的故事，既是AI技术狂飙突进的缩影，也为行业提供技术突破与用户需求协同的启示。
Unsloth框架：重新定义开源LLM微调的效率与稳定性标准
Unsloth作为新兴开源LLM微调框架，凭借内存优化技术与主流模型缺陷修复能力，重新定义本地化训练标准：在A100显卡上实现Llama-3 8B模型训练速度提升3.2倍、显存占用减少80%，且零精度损失。其通过OpenAI Triton内核重构计算模块，结合分层梯度检查点与4-bit量化技术，将Llama-3.1-8B微调显存需求从48GB降至12GB，使消费级RTX 4090也能胜任专业卡任务。团队深度参与开源生态，已修复Qwen3 128K上下文崩溃、Phi-3位置编码偏移等主流模型缺陷，相关补丁被llama.cpp、Microsoft等项目采纳。支持微调与RLHF一体化流程，广泛应用于法律科技（如LexNex合同分析）、电商客服（如ShopBot回复优化）等领域，经社区验证内存优化效果显著，有效降低中小团队AI个性化成本门槛。
百度文心大模型X1.1发布：三大核心能力跨越式提升，技术突破落地多场景
2025年WAVE SUMMIT大会上，百度发布文心大模型X1.1，实现事实性准确率提升34.8%、指令遵循优化12.5%、智能体能力增强9.6%，整体表现比肩GPT-5与Gemini 2.5 Pro。实测中，模型在逻辑推理（如"星球版农夫过河"问题）、事实检验（郑和下西洋伪史纠偏）、智能体多工具协同（小红书露营文案生成）等场景展现强落地能力。技术上采用混合强化学习与自蒸馏数据闭环，叠加思维链+行动链等三大模块强化推理与执行精度。同步升级的飞桨3.2框架，训练MFU达47%、推理2比特压缩降本增效，开源ERNIE-4.5-21B支持中小团队低成本开发。飞桨开发者超2333万，推动AI技术普惠与行业应用落地。
MIT团队DSPy框架：以模块化编程重塑LLM应用开发流程
DSPy框架是MIT主导的开源LLM应用开发工具，以“签名式编程”为核心，通过结构化代码替代传统提示词工程，显著提升复杂AI任务开发效率。其“签名-模块-优化器”三位一体架构，支持任务接口标准化（签名定义输入输出）、LLM调用逻辑封装（内置ChainOfThought、ReAct等模块）及自动化性能优化（如BootstrapFewShot、GEPA等工具），解决了提示词碎片化、系统难维护等痛点。GEPA框架结合遗传算法与帕累托优化，实现多目标（准确率、延迟等）平衡，适用于客服智能体等复杂场景。实战案例Support-Sam客服智能体基于DSPy构建，以不足200行代码实现工单分类、知识库检索等全流程自动化。目前，Shopify、DeepLearning.AI等机构已将其用于生产环境，推动LLM应用开发从“作坊式调优”迈向工程化、模块化新阶段。