模型觀點 · 本週 （發布日 8 月 30 日）
本篇出自 2026年8月31日 晨報
這套模擬器量的是模型實際跑在硬體上時的行為，不是模型本身的分數。普渡大學研究團隊發表論文，提出一套涵蓋 Nvidia Ampere、Hopper、Blackwell 三個世代的週期級模擬框架（週期級＝把晶片每一個時脈週期的行為都算出來，而不是估個平均），並報告了與實體晶片的驗證結果：在 H100 上的皮爾森相關係數達 99%（皮爾森相關係數衡量兩組數字走勢貼合的程度，1 代表完全一致）（Semiconductor Engineering，08-30；論文原文 arXiv 2608.22602，2026 年 8 月）。為什麼值得記： 一套對得上真晶片的公開模擬器，會影響下一代晶片評測讀數的可信度，而採購判斷正是押在這類讀數上。它同時把「下一代 GPU 該怎麼設計」從少數幾家公司的內部工具，變成學界也進得去的題目：過去要研究非同步、分散式的 GPU 架構，要嘛買得到那批機器，要嘛只能用粗略估算。⚠️ 99% 是對 H100 的驗證讀數，不代表它對其他世代或其他工作負載一樣準——論文自己列的驗證對象就是 H100。
只留 email，隨時退訂。這是我們唯一想請你做的事。
2025 年 12 月 20 日，OpenAI 發表〈Monitoring Monitorability〉，把「思維鏈好不好監控」做成可量測指標，最關鍵的發現之一逐字是「RL op…
CyberGym 是柏克萊團隊做的公開測驗，收了 1,507 個真實漏洞、涵蓋 188 個開源專案，資料來自 Google 維運的開源模糊測試平台 OSS-Fuzz，所以那些漏洞天…
先解釋：現在的大模型多半是專家混合架構，不是每個字都跑整個大模型，而是把每個字分派給少數幾個專門的子模型，所以模型可以很大而每次只用一小塊算力。工程上常見的省錢做法是「把最不重要的…
美國艾倫人工智慧研究院 9 月 1 日發表 BenchMIRT，用試題反應理論的多維版本逐題拆一個評測到底在量什麼，這套方法本來是心理測驗用來從答題模式估能力的。它吃了 100 個…