本文提出了一种直接框架，用于扩展大语言模型（LLM）的基准性能，发现固定的令牌与参数比率下，简单的幂律能够准确描述多个下游任务的准确率扩展行为。研究表明，该方法优于传统的两阶段程序，并能有效预测准确率。

Qwen2.5-Omni是一种多模态大语言模型，具备音频理解能力，包含音频编码器、LLM主干和池化层，能够处理音频特征和文本标记。

AI系统需从多个来源接收指令，优先级排序至关重要。通过训练模型遵循系统、开发者、用户和工具的指令层级，可以提高安全性和可靠性。IH-Challenge数据集有助于模型处理指令冲突，增强对恶意指令的抵抗力，确保安全性。

研究显示，具身AI存在漏洞，无法理解物理因果关系。Blindfold攻击框架将恶意意图转化为安全动作序列，成功率高达98%。传统防御机制效果有限，需要整合多模态信息和动作级推理以确保AI安全。

研究表明，主流大语言模型在简单问题上常出现错误，主要由于提示词架构不当。采用结构化推理框架（STAR）后，正确率显著提升至85%至100%。这表明信息处理方式比信息量更为重要，建议在应用构建中优先使用结构化推理。

研究团队提出了Sa-sft方法，通过让大语言模型在微调前自我生成复习材料，解决了灾难性遗忘问题。该方法无需外部数据，有效保持模型的通用知识，并提升特定任务的表现。实验结果表明，Sa-sft在多个场景中表现优异，验证了风格对齐的重要性。

Ermon在斯坦福大学提出了图像扩散模型，并在ICML 2024获得最佳论文。他认为，尽管Mercury 2的质量与Claude Haiku和Google Flash相当，但随着模型规模的扩大，其经济效益更佳。此外，扩散架构加速了强化学习的进程。

npx workos推出了一款AI代理，能够将身份验证直接集成到现有代码中。DeepSeek V3及其他模型采用混合专家架构，优化了计算效率和内存使用，推动了开源生态的发展。

新加坡Sapient Intelligence公司提出的分层推理模型（HRM）仅用2700万参数和1000个样本，在复杂推理任务中超越大型模型，表明更优的架构设计能显著提升AI性能，改变AI发展方向。

DeepSeek-R1通过纯强化学习显著提升大语言模型的推理能力，无需人类标注。该方法使模型能够自主探索思维链，展现自我反思和动态策略调整的高级推理模式。实验结果表明，其在数学、代码和逻辑推理任务中表现优异，降低了开发成本并加快了迭代速度。

本文介绍了ESPnet-SPK工具包，旨在训练和使用说话人嵌入提取器。该开源平台支持从x-vector到SKA-TDNN的模型构建，简化了变体开发，推动了说话人嵌入在多任务中的应用。

开源大语言模型服务商突破了速度限制，提供低延迟和高性能，适合实时交互和长时间编码任务。Groq的语言处理单元显著提升响应速度，Cerebras、Groq、SambaNova、Fireworks AI和Baseten是当前表现突出的五大API提供商，各具优势和应用场景。

在实际工程中，即使温度设为0且随机种子固定，LLM的输出仍无法完全一致，原因包括采样配置、浮点误差和调度策略等。因此，追求严格的确定性不现实，需通过参数控制和架构设计实现业务可接受的稳定性。

Grab团队开发了一种轻量级视觉大语言模型（Vision LLM），旨在提升东南亚语言的文档处理能力。通过合成数据和自动标注框架Documint，优化了OCR和关键信息提取的准确性，最终模型在准确性和延迟方面表现优异，展示了专用模型在文档处理中的潜力。

微软与NVIDIA推出Dynamo第二部分，旨在提升Azure Kubernetes Service上大语言模型的推理效率。新功能包括自动资源规划和动态扩展，帮助开发者快速配置GPU资源。Dynamo Planner Profiler与基于SLO的Dynamo Planner协同优化GPU分配，以满足流量变化下的服务水平目标。