在 AI 迅速发展的今天，越来越多的公司开始大规模接入 LLM API。开发者通常关注的是每百万 Token 的标准价格，“$5/1M，看起来不错”。然而，真正的挑战在于，看似便宜的 API ...

然而，现有的大多数 LLM 路由方法，仍然停留在统一的数值目标假设之下：要么只优化性能，要么只考虑成本，或者在二者之间设定阈值进行判断。这使得这些方法在多用户场景中难以适配，也无法真正做到“以用户为中心”。

RLVR（基于可验证奖励的强化学习）简单而粗暴：别听人的，听结果的。成为LLM的AlphaZero时刻，探索→验证→强化，还引入了全新Scaling Law 测试时计算。 （2）Vibe Coding（氛围编码）的流行：Vibe ...

GRPO（baseline，蓝色）与 BAPO（红色）训练比较。BAPO通过动态提高clip上下界，有效提高了正样本在训练中的影响，降低了模型entropy衰减速度、提高了训练阶段的奖励，同时，缓解了梯度过大的情况。（来源：BAPO论文） ...

刚刚，OpenAI最强劲敌Anthropic被曝年化收益已达45亿美元，晋级为史上增长最快的软件公司。 在LLM API赛道上，Anthropic成功登顶，而OpenAI在AI编程上更是落荒而逃，市场份额只有Anthropic一半！

对于许多资深网络用户来说，1996年上映的篮球动画电影《怪物奇兵》（Space Jam）不仅是童年回忆，其至今仍保留着当年面貌的官方网站，更是网络发展史上的活化石。

他眼看着最有才华的同事一个个离开RL研究领域，被雇去研究LLM。这很难去责怪他们。做RL太糟了。那是艰苦、残酷的工作，对抗一套似乎专门设计来阻碍真正进步。

BitNet b1.58 2B4T，单CPU就能跑，性能与同规模全精度开源模型相当。 它采用三进制{-1, 0, 1}存储权重，相较于传统的16位浮点数可大幅降低显存需求。 只需0.4GB内存即可运行。 基于4T token语料训练，BitNet b1.58 2B4T在保持性能的同时，计算效率突出。 单个CPU即可达到 ...

如果是别人写年终总结，你可能只会扫一眼开头和结尾，觉得没啥意思就划走了。 但，这是 Andrej Karpathy。 他是 OpenAI 的创始成员，前特斯拉的 AI 总监。 曾亲手打造了特斯拉的自动驾驶系统，是全球公认的顶尖 AI 大神。 他还是一名无私的超级导师，因为他擅长把最深奥的 AI 技术，讲得通俗易懂。 并免费在网上教普通人写代码，被无数 AI ...

没人配教我做事！杨立昆离职后怒斥汪滔：我绝不闭嘴，因为我才是对的,汪滔,杨立昆,马克·扎克伯格,离职,硅谷 ...

大型语言模型（LLM）的评估就像给学生考试打分一样，是决定AI系统好坏的关键环节。现在大多数公司都在用一种看似聪明实则问题重重的方法：让一个便宜的AI来给另一个AI打分，然后根据这个分数来判断模型的优劣。这就好比让一个从未学过数学的人来批改数学试卷， ...

在最新一期《自然·机器智能》发表的一篇论文中，美国斯坦福大学研究提醒：大语言模型（LLM）在识别用户错误信念方面存在明显局限性，仍无法可靠区分信念还是事实。研究表明，当用户的个人信念与客观事实发生冲突时，LLM往往难以可靠地作出准确判断。