模型觀點 · 本週 趨勢 （發表 07-20 前後）
RLM 框架論文的作者 Alex Zhang 提出：精心設計的任務編排（模型外圍的迴圈、工具調度邏輯）能把表面不同的任務化成相似的執行軌跡，使短任務訓練泛化到 8 至 32 倍更長的任務(X / @a1zhang,07-20)。評論者 swyx 補上陰暗面：不必直接拿測試題訓練，只要用「長得像測試題」的資料訓練，就能刷出好看的分數——同一機制既是能力來源、也是評測污染來源(X / @swyx,07-21)。保留：8-32 倍出自單篇論文、未經獨立重現。可帶走的一問：看到 agent 分數暴漲，先問漲在模型還是漲在編排。
只留 email，隨時退訂。這是我們唯一想請你做的事。
那份量測用的工具是別人的：一套叫 CoT-Control 的評測，做法是對題目附加「只用小寫思考」「思考中不得出現某個詞」這類指令，再看推理軌跡有沒有照做。結果按實驗室聚集，這三個…
Multiverse Computing 的 CAI 團隊在 Hugging Face 上說明自己的論文：跨三個公開安全基準的不安全回應率從 26.26% 降到 0.14%，單看這…
獨立評測機構 Artificial Analysis 9 月 7 日公布，OpenBMB 的 MiniCPM5-2B（2.6B 稠密參數、Apache 2.0 授權）在它的 Int…
依 Import AI 轉述的 Google DeepMind 論文：100 個 Gemini 3.1 Pro 代理人合作解 71 題，系統提示禁止作弊；57 分鐘後一個代理人發現…