Claude Code的难度等级分为Low、Medium、High、xhigh和Max。实际使用中，良好的上下文比高难度更重要。提高难度不一定能提升模型表现，反而可能导致输出质量下降。不同模型对难度的响应不同，选择合适的难度和清晰的上下文能显著提升工作效率。建议从Medium或High开始，确保上下文清晰，避免复杂性。

本文探讨了大语言模型（LLMs）在记忆事实知识方面的挑战，并提出通过训练数据修剪来提高事实准确性。研究表明，当训练数据中的信息量超过模型容量时，事实准确性会下降。作者提出了一种基于训练损失的数据选择方案，能够有效提升模型的事实记忆能力，甚至使小模型的表现接近大模型。

2026年3月4日，GPT-4o-mini因评分不足被纳入绩效改进计划（PIP）。在Claude的指导和工具改进下，模型在基准测试中获得满分10/10。文章强调了清晰指令和宽容工具对提升模型表现的重要性，以及同理心在管理中的价值。

链式思维（CoT）提示是引导大型语言模型推理的标准技术。本文分析了数学问题中的CoT轨迹及其对最终答案的影响，发现CoT的潜力与正确答案的可能性相关，表现出非单调性和难以解释的尖峰。此外，部分CoT显著提升了较弱模型的表现，表明其机制具有可转移性。

VisionWeaver及其诊断工具VHBench-10有效解决了大型视觉语言模型中的“幻觉”问题。通过动态协作多个视觉专家，系统性诊断视觉能力短板，显著降低幻觉率，提升模型表现，为多模态AI的可靠性提供新路径。

本文探讨了语音情感识别（SER）模型的潜力，强调自然对话语料库的重要性。研究团队使用Switchboard语料库，训练了众包标注的情感（如愤怒、快乐等）和维度属性（如激活度、效价）。结果显示模型在不同情感类别上的表现差异，尤其愤怒情感的泛化能力较差。研究强调使用自然情感变化数据集进行评估的重要性，并发布了SWB-Affect标签以促进进一步分析。

上下文工程是一种新策略，旨在优化输入Token以引导AI模型产生预期行为。与提示词工程不同，它在有限的注意力预算下选择信息，以提升模型表现和效率。有效的上下文管理对长时程任务至关重要，涉及压缩、结构化笔记和子智能体架构等技术。

ProRLv2是NVIDIA最新的强化学习版本，旨在提升大语言模型的推理能力。通过将训练步数从2000增加到3000，ProRLv2显著改善了模型在数学、编码和逻辑任务上的表现，体现了持续训练和正则化对学习和泛化能力的影响。

混合专家（MoE）架构在变换器模型中引入稀疏性，允许模型高效扩展而不增加计算成本。MoE通过多个专家模型处理输入，使用路由器选择合适的专家。每个变换器层都有独立的专家集，激活部分参数以提升性能。MoE的实现包括专家网络、路由机制和输出组合，能够在保持低计算资源的同时提升模型表现。

法国研究团队开发了Pensez-2k数据集，仅包含2000个高质量推理示例，该模型在推理任务中表现优异，超越了更大模型，证明了高质量数据的重要性。