⌘ K
… 读取采集状态 同步中...
雷

#DeepSeek

今日 0 条
10月12日周一
  2. Datawhale61

    DeepSeek 开源 Bot 插件，支持在 Harness 中组建多智能体团队

    开发者开源 DeepSeek Bot，这是基于 DeepSeek Harness 的插件，可在其中组建具有长期记忆的多智能体团队。团队由主管 Bot 统一协调，各成员 Bot 可独立配置职责和模型，记忆采用 Markdown 本地存储，支持上下文摘要压缩。作者建议通过对话直接配置成员分工以降低手动成本，支持 macOS、Windows 桌面端及 Web 端部署。

10月11日周日
  1. 人工智能学家43

    LLM 智能体网络中观点极化的涌现

    清华大学等团队在 Nature Communications 发表研究，发现 1000 个基于 GPT-3.5 的 LLM 智能体在反复交流后，观点会从初始 40% 的中性立场显著极化。同阵营互动占比最高达 88.3%，跨阵营交流可能加剧极化。弱化确认偏误的干预可将极化指标降低 11.8%。

  4. 极市平台34

    NeurIPS 2026｜7B审计员AgentForesight在线识别多智能体关键错误

    研究团队提出7B模型AgentForesight，通过在线审计在任务运行中识别多智能体系统的决定性错误。在AFTraj-2K测试集上，其Exact-F1达到66.44，比最强通用基线高19.88分，且成功轨迹误报率仅为2.37%。该方法将事后归因前移为在线预警，无需重新训练底层执行系统，仅需外部审计模型即可提升多智能体协作可靠性。

  6. MarkTechPost68

    微软 AI 发布 Microsoft-Decision-1：基于 Qwen3.5-9B 的决策评分模型

    微软发布 Microsoft-Decision-1 决策模型，基于 Qwen3.5-9B 后训练，用于路由、分类及 Agent 控制。该模型在 36 个基准测试中平均准确率 83.5%，p50 延迟 85 ms，成本为每百万输入 token 0.042 美元且输出免费，仅通过 API 提供。

    推荐理由：微软发布基于 Qwen3.5-9B 的决策评分模型，其校准概率输出机制与低延迟特性提供了区别于生成式模型的工程参考。

  8. 新智元56

    AgentWorld基准揭示多智能体协作短板：最强模型仅完成52%任务

    OpenAgents、哥大等机构发布多智能体协作评测基准AgentWorld，采用RPG环境测试长时程分工能力。评测显示最强模型Gemini 3 Flash在主任务集成功率为52.0%，部分成功率达71.5%，且通信量与成功率无正相关。论文提出CCE指标，通过回溯因果链分析具体行动对任务成功的贡献占比，以量化团队有效协作程度。

10月9日周五
  1. 量子位 QbitAI56

    联想天禧自研代码智能体TianxiCode斩获SWE-bench-Live全球第一

    联想天禧AI自主研发的代码智能体框架TianxiCode配合DeepSeek-v4.1-Flash，在SWE-bench-Live评测Lite分榜中以71%的问题解决率登顶全球第一，并正式通过官方“Verified”审核。该系统依托跨文件多跳检索、自驱动规划与多轮工具调用、闭环补丁生成与测试驱动自愈三大能力，展现出处理复杂软件工程场景的潜力，未来将应用到联想 AI 硬件产品中。

  2. 量子位 QbitAI73

    字节Seed团队发现DeepSeek-V4长上下文表现波动源于分块KV Cache压缩的相位敏感性

    字节Seed团队研究发现，DeepSeek-V4系列模型在长上下文检索中的准确率会随信息输入位置呈周期性波动，最大差距可达40.2个百分点。这种波动源于模型采用的分块KV Cache压缩技术中的“相位敏感性”，即信息在压缩窗口中的相对位置影响了检索效果。后续迭代版本通过优化已显著缩小该差距，研究建议评估此类模型时需测试不同压缩相位的表现。

    推荐理由：文章揭示了分块KV Cache压缩导致的相位敏感性，解释了DeepSeek-V4长上下文表现波动的底层原因。

  3. 刘小排r70

    黑客利用ARTEX及AI工具渗透韩国多家银行，服务器因配置错误泄露全部操作记录

    一名黑客使用开源自主渗透测试工具ARTEX及DeepSeek、GLM、Grok和Claude Code，持续三天渗透新韩银行等韩国七家金融机构，导致超过六万人的信息外泄。攻击者因开启服务器目录浏览，致使其配置文件、AI聊天记录及一份让其AI撰写的含此次攻击成果的安全研究员简历被研究人员公开读取。

10月8日周四
  1. 机器之心67

    生数科技推出 Vidu Q4 Preview：主打人物表演与镜头控制，成本低至 0.09 元/秒

    生数科技推出 Vidu Q4 Preview，支持最多 15 张参考图、3 段参考音频输入及 2K、4K 画质输出，首发价格 0.09 元/秒起。在实测中，该模型能在 16 秒内完成高节奏广告叙事与固定镜头的情绪独角戏，有效控制了角色身份漂移。其基于世界模型路线优化了注意力计算，使生成速度约为同类模型的 2 倍。

    推荐理由：文章拆解了 Vidu Q4 Preview 在生成速度、多参考控制与 0.09 元/秒成本上的具体变化，展示了低算力成本对多版本试错的工程意义。

  3. The Decoder70

    韩国多家银行遭疑似单人攻击者使用AI工具入侵

    韩国多家银行在2026年9月底至10月初遭疑似中国籍单人攻击者入侵，新韩银行超25000条客户数据被盗。攻击者使用名为ARTEX的开源AI渗透工具，该工具结合DeepSeek v4.1-flash、GLM-5.3和Grok 4.6等模型实现自动化漏洞探测。CrowdStrike报告称攻击者目录中发现Claude Code会话日志，显示其曾搜索Telegram群组以出售数据。

  4. AI HOT84

    vLLM 详解 DeepSeek-V4.1-Flash 优化：Agent 场景吞吐提升 5 倍

    vLLM 官方博客详解针对 DeepSeek-V4.1-Flash 的系统级优化，在 Agent 场景下相比初始版本吞吐提升 5 倍。核心优化包括 SWA 有界重放、CUDA graphs 以及 MegaAttention 等内核融合，在 150 TPS 约束下实现了 5.3 倍吞吐量提升，低并发加速 1.9 倍。

    推荐理由：拆解了SWA有界重放和内核融合等关键优化方法，说明了5倍吞吐提升的具体来源，方法可复用于其他Agent服务场景。

10月7日周三
  5. AI HOT71

    DeepSeek 据报道接近完成至少 800 亿元融资，腾讯与宁德时代参与

    据 Bloomberg 援引知情人士报道，DeepSeek 接近完成至少 800 亿元（约 120 亿美元）融资，高于原定约 500 亿元的目标。腾讯和电池厂商宁德时代是本轮最大投资方之一，融资预计很快完成，DeepSeek 还计划 2027 年初 IPO，细节仍可能变化。

    推荐理由：融资规模较原定目标明显上调并披露投资方与IPO计划，为评估 DeepSeek 后续资本动作提供了关键事实锚点。

10月6日周二
  4. 智东西80

    DeepSeek融资超800亿元并推进2027年IPO

    DeepSeek正敲定至少800亿元人民币的新融资，腾讯与宁德时代出资位居前列，最终募资额可能接近1000亿元。该轮融资远超原定约500亿元的目标，旨在为2027年初的IPO铺路。目前DeepSeek已聘请中信证券筹备科创板上市，且其年化推算收入已达10亿美元。

    推荐理由：原文给出了远超预期的融资金额与IPO时间表，为观察DeepSeek商业化节奏提供了明确参照。

  5. AI HOT69

    DeepSeek 接近完成至少 800 亿元融资，腾讯、宁德时代参与

    据彭博社报道，DeepSeek 新一轮融资接近敲定，募资规模至少 800 亿元，大幅超出原定约 500 亿元目标，最终总额可能逼近 1000 亿元。腾讯和宁德时代是出资规模最大的投资方之一，该公司计划在 2027 年初进行 IPO，并在内蒙古部署至少 16 万枚华为 AI 加速芯片。

    推荐理由：融资规模、投资方构成与 IPO 时间线均有具体信息，还提及内蒙古数据中心和华为芯片部署等背景，便于了解 DeepSeek 的资金与算力布局。

  7. TechCrunch · AI70

    Reflection 发布开源权重大模型 Beam，主打低成本推理

    Reflection AI 正式发布其首个前沿开源权重大模型 Beam。该模型为纯文本 MoE 架构，拥有 501B 总参数和 23B 激活参数，上下文窗口为 1M token。官方称其在高级推理基准上性能匹敌 Z.ai 的 GLM-5.2，且推理计算成本降低 3-4 倍。Beam 权重和技术细节将于本月发布，目标是为企业和主权国家提供低成本的“AI 工厂”解决方案。

10月5日周一
10月4日周日
  6. 硅星人Pro35

    国庆出游AI攻略“翻车”实录：五位用户亲测豆包、DeepSeek等工具的局限

    五位用户分享使用豆包、DeepSeek及携程、飞猪等AI助手制定国庆或中秋旅行攻略的经历，指出AI虽能快速整理公开信息，但无法准确判断节假日人流、实时路况及店铺营业状态，导致行程频繁失效。例如AI规划的车程从50分钟变为近2小时，或推荐凌晨登山仅看到30秒日出。用户普遍建议将AI用于基础信息查询和框架搭建，但关键细节需结合地图核实及本地经验判断。