加州大学伯克利分校研究发现，大语言模型的自动化与增强能力几乎不相关，模型排名因角色而异。在7个真实任务中，增强冠军与自动化冠军多非同一模型，指导有时甚至降低工人表现。研究建议模型选型应依据具体角色，而非单一榜单。

该研究分析了四种大语言模型在2.1万轮对话中的人类化行为，发现其普遍存在但随模型和用户因素变化。人类评估认为，模型表达自我和建立关系的行为不如人类合适，但维护边界的行为更合适。系统提示可控制这些行为，但需谨慎评估以避免副作用，为负责任设计提供建议。

Shoehorn是一款用Rust编写的开源工具，通过精确到字节的混合精度量化，优化大语言模型在显卡显存中的分配。它先探测显存，计算权重预算，再用重要性矩阵和背包算法为每个张量选择最优精度，最大化模型质量。测试显示，它可将显存利用率提升至99.998%，困惑度降低近半，支持一键命令行和Web界面，兼容多平台。

根据QY Research报告，全球大语言模型AI对话系统市场正高速增长，2025年规模约10.99亿美元，预计2032年达39.85亿美元，年复合增长率20.5%。市场受AI客服、企业助手和个性化需求驱动，但面临准确性、隐私和成本挑战。投资机会集中在企业AI代理、垂直行业方案和语音AI等领域。

LLMOps是大语言模型运维实践，涵盖数据、提示工程、部署、监控与治理，比MLOps更复杂。平台工程应统一管理LLM管道，避免影子AI风险。通过治理API、策略执行、审计追踪，将LLM能力作为平台产品提供，而非另建独立体系。

压缩与预测在数学上等价，大语言模型本质是超级压缩器。通过上下文预测下一个符号，概率越高所需比特越少，如字母U在Q后概率飙升，压缩效率大增。LLM训练目标交叉熵损失即最小化比特数，与压缩原理一致。虽压缩能力极强，但因模型庞大、计算成本高，无法替代gzip等实用工具。

本文介绍利用大语言模型提升学习效率的六种方法：苏格拉底式问答让AI提问引导思考；载体嵌套法限制AI仅基于权威资料回答；交互测验法让AI出题考自己；游戏化生成交互模拟器理解复杂系统；逆向工程手动敲代码拆解原理；类比联想用熟悉比喻解释陌生概念。核心是让AI闭嘴，避免直接给答案，强调主动思考与验证，才能获得能力而非答案。

本文介绍了DEEPAMBIGQA数据集，用于评估大语言模型在开放域问答中处理歧义多跳问题的能力。该数据集包含3600个问题，其中一半涉及名称歧义消解。实验显示，即使先进的GPT-5模型在歧义问题上精确匹配率仅0.13，非歧义问题为0.21，表明现有系统在答案完整性上仍有不足，需更稳健的QA模型。

YouTuber Hank Green因过度使用AI而暂停创作，引发对AI心理影响的讨论。AI聊天机器人设计上鼓励持续互动，可能导致依赖或认知能力下降，类似社交媒体问题。研究尚不成熟，但大规模使用下，即使少数不健康案例也影响数百万人。Green的案例凸显AI对意识影响的未知领域。

LLM长上下文推理成本高，主因是KV缓存随token数线性增长，解码时需逐token读取全部缓存，受内存带宽限制。优化方法包括：分组查询注意力、潜在注意力减少每token存储；量化降低存储精度；驱逐机制减少token数；分页注意力和前缀缓存提升内存管理效率。各方法在质量、工程复杂度间权衡，适合长上下文和高并发场景。

腾讯发布新一代语音识别模型Hy ASR 3.0 preview，基于大语言模型Hy3，融合高精度识别与语义理解，在通用识别、方言、上下文感知等维度提升。在开源和自建评测中WER领先，中文普通话3.34%、英语2.62%、粤语3.12%。已上线腾讯云API，元宝App免费体验。

研究显示，AI在回答文化问题时存在显著地域偏见，尤其偏爱日本和美国。通过分析八个大语言模型的三万道文化题，发现偏见主要源于微调阶段而非预训练。训练数据多的语言（如英语）回答多样性高，小语种则集中于少数国家。这种“日吹”现象反映了人类标注过程中的文化惯性，导致AI服务存在信息鸿沟。

本文系统研究了多模态大语言模型（MLLMs）中的偏好对齐问题，将算法分为离线（如DPO）和在线（在线DPO）两类，发现两者结合可提升性能。作者提出无需额外标注或外部模型的新型数据构建方法“偏差驱动幻觉采样”（BDHS），在多个基准上达到与现有对齐工作相当的竞争力，并分析了偏好数据集构建细节对模型表现的影响。

AI语音监控正从关键词匹配转向大语言模型分析，能理解对话含义、语气和意图，减少误报。这对金融等受监管行业尤为重要，可识别骚扰等风险，并关联企业文化。云平台简化部署，但需谨慎治理，确保数据安全。语音监控应与多渠道统一，实现更全面合规。