foundation-model
100
Kimi K3: Open Frontier Intelligence
Kimi K3 是一个拥有 2.8 万亿参数（激活 1040 亿）的混合专家（MoE）模型，通过创新的注意力机制、专家路由算法和全流程强化学习训练，在编程、智能体、推理和视觉等任务上达到前沿水平，并开源全部权重。
阅读精读 →MODULE // PAPERS
论文研读
按发布月份归档 · 高影响力精选 · 左下角可就本篇提问
6 篇 · 2 个月份
2026 年 7 月
5 篇医疗LLM
90
Closed-Loop Validation-Repair for Healthcare Interoperability: A Multi-Model Study of Schema Compliance in Clinical LLMs
该论文通过多模型实验证明，在医疗互操作性场景中，大型语言模型（LLMs）输出的模式合规率基线仅为 85.9%–91.6%，而引入闭环验证-修复框架后，合规率可提升至 99.0%，且绝大多数错误在 1–2 次迭代内解决。
阅读精读 →systems
92
SLAI T-Rex: Full-Parameter Post-training of the DeepSeek-V4 Family on Ascend SuperPOD
本文报告了在昇腾 NPU 超大规模集群上对万亿参数级 MoE 模型 DeepSeek-V4 家族进行全参数后训练的系统优化实践，实现了 34.22% 的模型算力利用率（MFU）和 2.93 倍的性能提升，并基于此构建了面向运筹优化（OR）任务的持续预训练与微调流程，最终在零样本推理任务上达到 71.81% 的 Pass
阅读精读 →agent
91
Athena-Brain Technical Report: An Efficient Robot Brain for General Intelligence and Embodied Interaction
Athena-Brain-8B 是一个 8B 参数的大语言模型，通过多阶段后训练流水线（通用监督微调、通用强化学习、具身专家训练、模型合并），在保持通用智能的同时获得高效的高层具身交互能力，并在具身基准测试中超越多个更大规模的模型。
阅读精读 →reasoning
95
Reading Between the Dots: Decoding Hidden Computation across Filler Tokens
这篇论文发现，前沿大语言模型在输出无意义的填充词（如点号“......”或数字序列“1,2,3,4”）时，内部其实在进行结构化的多步推理，并且这种“隐藏计算”可以通过分析残差流中的隐藏状态被直接解码出来，准确率高达80-95%。
阅读精读 →2026 年 5 月
1 篇multimodal
90
Are VLMs Seeing or Just Saying? Uncovering the Illusion of Visual Re-examination
这篇论文通过一个巧妙的图像替换实验（VisualSwap），揭示了当前主流视觉语言模型（VLM）在推理过程中声称“再看一眼图片”时，实际上并没有真正重新关注视觉信息，而是仅仅在生成文本模式——模型“说”自己会看，但并没有真正“看”。
阅读精读 →