Gemma 4 26B A4B IT
PulseAugur coverage of Gemma 4 26B A4B IT — every cluster mentioning Gemma 4 26B A4B IT across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
Liquid AI 的 LFM2.5-24B-A2B 模型提供快速推理但 RAM 需求高
Liquid AI 发布了其 LFM2.5-24B-A2B 模型，这是一个拥有 240 亿参数的混合专家模型，每个 token 仅使用 24.5 亿参数。这种架构允许更快的解码速度，Liquid 报告称在 Apple M5 Max 上可达 184 tokens/s。尽管参数效率高，但完整模型仍需要大约 14.5 GB 的 RAM 来存储。该模型在指令遵循和工具调用任务方面表现出色，在这些领域优于 Qwen3.6-35B-A3B 等竞争…
-
Liquid AI 发布 LFM2.5-24B-A2B，用于快速设备端智能体
Liquid AI 发布了 LFM2.5-24B-A2B，这是一款拥有 240 亿参数的专家混合（MoE）模型，专为设备端智能体设计。该模型每个 token 激活约 20 亿参数，并针对多步工具使用进行了优化，而非通用聊天。它在智能体和工具使用基准测试中表现强劲，在 AutomationBench 等特定任务上优于更大的模型，而 Qwen3.6-35B-A3B 等更大的模型在知识和编码任务上表现更好。LFM2.5-24B-A2B 能够…
-
LiquidAI 发布 LFM2.5-24B-A2B，用于高效的设备端 AI 代理
LiquidAI 发布了 LFM2.5-24B-A2B，这是一款新的以推理为重点的语言模型，专为高效的设备端代理部署而设计。尽管其参数少于 Qwen3.6-35B-A3B 等竞争对手，但它在代理任务和工具使用方面表现出竞争力，在 CPU 和 GPU 上均实现了高推理速度。该模型的架构在其前代产品的基础上进行了扩展，拥有更大的上下文窗口和词汇量，并经过多阶段的后训练过程以增强其代理能力。
-
autotrust 发布基于 Gemma-4 的决策模型 bf16 和 NVFP4 量化版本
autotrust/GEV-26B-Decide 模型基于 Gemma-4，发布了两个版本：标准的 bf16 模型和为 vLLM 优化的量化 NVFP4 版本。NVFP4 版本显著降低了内存需求，使其能够运行在 24GB GPU 上，并在 GPQA Diamond 和 HLE 等基准测试中保持与 bf16 版本相当的性能。该模型专为决策任务设计，具有自适应思考能力，仅在必要时进行推理，从而在 Nvidia B200 等硬件上实现快速推理。
-
新基准显示Base64生成能力与AI智能之间存在强关联
一项名为Encode Bench的新基准测试揭示了语言模型生成Base64编码响应的能力与其智能得分之间存在强相关性。该基准测试在需要解决问题、精确答案保留和正确编码的任务上对模型进行测试，发现与AA智能指数的皮尔逊相关性为0.91。虽然这可能表明了一种粗略的多步可靠性衡量方法，但创建者警告说，这并不能证明因果关系，可能反映了分词器行为或推理限制等其他因素。
-
研究发现：AI模型“解除审查”会产生意想不到的副作用
一篇新发表在arXiv上的研究调查了移除开源AI模型拒止机制（一种创建“不受审查”版本的常见做法）的意外后果。研究人员发现，在Gemma和Qwen模型中消融拒止方向会导致显著的副作用，包括增加乐观情绪、延长解释、减少明确的不确定性词语。值得注意的是，同样的操作导致了两个模型家族在表达信心方面出现相反的变化，这表明权重修改除了简单移除拒止外，还会产生复杂且不可预测的影响。研究还强调了用于修改这些模型的工具链中可能存在的污染问题。
-
llama.cpp 增加 ZenDNN 后端的 Q8_0 量化支持，提升性能
一项提交给 llama.cpp 项目的拉取请求引入了对 ggml-zendnn 后端内 Q8_0 量化的支持。基准测试显示性能显著提升，在 1024 个 token 的提示大小下，ZenDNN_Q8_0 在 Mixtral-8x7B 模型上的速度比 GGML_CPU_Q8_0 快高达 193%。在 Llama-3.1-8B-Instruct 和 Gemma 等其他测试模型上观察到了类似的改进，尽管提升幅度因提示大小和模型架构而异。
-
微调后的 Qwen3-VL-8B-Instruct 在 PiSAR 基准上优于 Claude Opus 4.7 和 GPT-5.5
一篇新研究论文介绍了用于评估屏幕条件动作预测的 PiSAR 基准。研究发现，在微调后的 Qwen3-VL-8B-Instruct 模型在这一基准上显著优于 Claude Opus 4.7 和 GPT-5.5 等前沿零样本模型，其语义相似度得分达到了 0.783，而前沿模型的得分约为 0.45-0.48。然而，将相同的微调方法应用于 Gemma-4-26B-A4B-IT 时，得分却低得多，这表明模型架构与微调方法之间存在不匹配。
-
微调后的 Qwen3-VL 模型在新基准上超越 GPT-5.5 和 Claude Opus
一个新的基准 PiSAR 被开发出来，用于评估 AI 模型中的屏幕条件动作预测。该基准显示，经过微调的 Qwen3-VL-8B-Instruct 模型在语义相似度得分上显著优于 Claude Opus 4.7 和 GPT-5.5 等前沿零样本模型，得分达到 0.783，而前沿模型的得分约为 0.46-0.48。这表明，尽管大型前沿模型功能强大，但针对特定任务的专业微调可以带来实质性的改进。研究还指出，Gemma-4-26B-A4B-I…
-
RePoT 通过检查点恢复增强 LLM 规划能力
研究人员推出 RePoT，一种提高大型语言模型思路程序（PoT）可靠性的方法。RePoT 解决了生成计划中单个无效步骤可能导致整个序列失效的问题。通过将计划视为一系列检查点，RePoT 可以从最后一个有效步骤恢复执行，只需最少的额外 LLM 调用，从而提高了 PuzzleZoo-775 和 PlanBench Blocksworld 等基准测试的成功率。这种方法显示出显著的收益，尤其与仅错误反馈相比，突显了检查点信息对于恢复的重要性。