博客大模型评测与基准重点★ 重点来源2026/09/18
Partnering with Accenture on embedded evaluation
Anthropic 与 Accenture 评估前沿 AI，各投 至少 $1 billion
嵌入式评估者将进入 AI 公司内部开展红队、对齐评估与防护测试，企业需预留独立审计与安全验证接口。
大模型
共 50 条 · 按质量与时效综合排序 · 仅收录近 3 个月内容最近同步 26 分钟前
已折叠 · 展开查看该领域的技术路线图、最新技术与成果、发展态势与前景趋势（含表格与 Mermaid 路线图）。
论文大模型评测与基准2 天前
PLE: Physical-Engineering's Last Exam
发布 PLE 基准：85 个长程物理工程任务，最强配置仅 50.6%
首次用可签字、可计费的物理工程设计交付物评测智能体，暴露出最强配置也仅有 50.6% 且成本极高，可作为工程选型与评测参考。
发布大模型前沿旗舰模型重点★ 重点来源8 天前
DeepSeek 更新 · 2026-10-17
DeepSeek 开放自研搜索 API，V4.1-Flash-1017 线上全量升级
搜索 API 开放让 Agent 直接复用高质量检索；Flash 新版在性价比上显著提升，值得重跑基准评估。
发布大模型效率与长上下文重点★ 重点来源18 天前
Claude 更新 · 2026-10-07
Claude Haiku 5.5 发布：1M 上下文、128k 输出、默认自适应思考，缓存读价降至 0.05x
高吞吐低成本模型再升级，且 Haiku 4.5 代码会因采样参数、budget_tokens、prefill 报 400，升级需同步改造推理调用层
发布大模型前沿旗舰模型重点★ 重点来源2026/09/15
Gemini 更新 · 2026-09-15
Gemini 3.8 Live GA：两款音频到音频实时语音模型上线 Live API
实时语音智能体有了可用的 GA 级音频到音频方案，交错推理和默认异步函数调用直接影响语音 Agent 的架构设计
论文大模型训练与后训练3 天前
CSD: Common-Support Distillation for Cross-Tokenizer Knowledge Transfer
CSD 跨分词器蒸馏最高提升 4.2 分
提供统一跨 tokenizer 蒸馏目标，减少启发式对齐，可让弱学生从异构强教师学习。
论文大模型评测与基准3 天前
SANE: Automated Scorer-Specific Metamorphic Testing for LLM Judges
SANE 验证测试族达 JRH 的 3.7 倍
LLM judge 广泛用于评测与训练，该方法自动生成分数器测试，提升可靠性验证。
论文大模型效率与长上下文4 天前
DStill: Trajectory Consistency Distillation for Accelerated One-Step Drafting in Block Diffusion Speculative Decoding
DStill 将一步草稿接受长度提升 28%，最高提速 6.45×
将多步扩散草稿蒸馏为一步，提升推测解码接受长度与推理速度，可用于低延迟 LLM 服务。
发布大模型前沿旗舰模型★ 重点来源4 天前
Claude 更新 · 2026-10-21
Claude API 2026-10-21 发布
API 与多语言 SDK 大版本更新，含破坏性变更和许可变化，需评估迁移；新增封禁状态字段。
论文大模型训练与后训练5 天前
How Data Scales in Agentic Reinforcement Learning: Laws and Synthesis Strategies
Agentic RL 数据缩放定律：任务、环境、轨迹三轴分解与合成策略
把 agentic 数据从单一 token 数扩展为结构化设计空间，直接指导合成预算该投向哪个轴
论文大模型训练与后训练5 天前
Anatomy of Off-Policy Policy Gradient: Importance Sampling, KL Regularization, and Baselines
理论分析 off-policy 策略梯度：KL 正则+组均值基线即可保证一致性
为 GRPO/RLHF 为何能 off-policy 训练提供理论依据，直接指导 KL 系数与基线项的设计选择。
发布大模型前沿旗舰模型★ 重点来源5 天前
Claude 更新 · 2026-10-20
Claude Enterprise 的 Inference hooks 正式 GA
企业用户可在推理前后插入自定义逻辑，便于合规、审计与工作流集成