AINews:AI 智能体反驳多语义性,大幅提升模型可解释性与对齐
Goodfire 的 Nick Cammarata 撰文提出“神经网络本身已足够干净”,指出多语义性与特征叠加现象经 AI 智能体深入分析后被逐一破解,大幅改善了模型可解释性与对齐。同日 Meta 发布多模态 MoE 模型 Muse Spark Open,拥有 816B 总参数与 42B 激活参数,支持 1M 上下文,以 39 分位列 Artificial Analysis 美国开放权重模型榜首。
Goodfire 的 Nick Cammarata 撰文提出“神经网络本身已足够干净”,指出多语义性与特征叠加现象经 AI 智能体深入分析后被逐一破解,大幅改善了模型可解释性与对齐。同日 Meta 发布多模态 MoE 模型 Muse Spark Open,拥有 816B 总参数与 42B 激活参数,支持 1M 上下文,以 39 分位列 Artificial Analysis 美国开放权重模型榜首。
微软在阿里巴巴开放权重模型 Qwen3.5-9B 基础上推出了决策模型 Microsoft-Decision-1,用于减少模型幻觉并适应商业应用场景。官方表示未来将用自研及 OpenAI 模型替代 Qwen,该模型在 36 项基准测试中准确率达到 83.5% 位列第一,且文本分类成本不足 OpenAI GPT-6 Sol 的 1/20。
微软发布基于 Qwen3.5-9B 的决策模型 Decision-1,专用于分类、评估和路由决策,并可用于引导和控制 AI 智能体。官方数据显示该模型在 36 项基准测试中达到 83.5% 准确率与 85 ms 延迟,速度为 H2O-Lightning-4B 的 2.5 倍。
微软 AI 发布实时转写模型 MAI-Transcribe-2-Streaming 与两款文本转语音模型 MAI-Voice-2.1 及 Flash 版本。MAI-Transcribe-2-Streaming 支持 60 种语言,首批局部结果输出延迟略高于 100 毫秒,年底前推广价为每小时音频 $0.54。
微软研究团队在 Nature 发表小分子逆合成模型 RetroChimera,并基于 MIT 协议在 GitHub 和 Microsoft Foundry 开源了代码与权重。
微软研究院联合华盛顿大学与 Providence 发布开源病理基础模型 GigaPath-Flash 与 GigaTIME-Flash,权重和代码已在 Hugging Face 按 Apache 2.0 协议开源。
微软研究院推出深度学习 DFT 泛函 Skala-1.1,训练数据量增加 2.5 倍,在 GMTKN55 基准的 55 个类别中有 32 项排名第一。该模型在保持 meta-GGA 级别计算效率的同时,精度超越主流全局杂化泛函;目前 Skala 已上线 CP2K,并正集成至 Psi4、FHI-aims、ORCA 和 VASP。