PulseAugur
中
实时 23:31:59
实体 GLM-5

GLM-5

PulseAugur coverage of GLM-5 — every cluster mentioning GLM-5 across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
22
90 天内 79
发布 · 30天
0
90 天内 0
论文 · 30天
4
90 天内 19
层级分布 · 90 天
主题
关系
情绪 · 30 天

7 天有情绪数据

最近 · 第 1/5 页 · 共 87 条
  1. RESEARCH · CL_364141 ·

    新的RICoT框架增强了LLM页面流分割能力

    研究人员推出了一种新颖的大语言模型提示框架RICoT,旨在改进页面流分割。与以往关注有限页面窗口的方法不同,RICoT通过对每一页进行推理并维护先前内容的紧凑记录,顺序处理整个文档流,模仿人类阅读习惯。该方法旨在提高将多页文件分割成组成文档的效率和准确性。该框架在新的金融页面流基准数据集FinancePSS-205上进行了评估,在各种开源LLM上,其表现与现有方法相比具有竞争力或更优。

  2. TOOL · CL_351873 ·

    华为 openJiuwen 推出 TTSE 代理框架以增强学习 · 已追踪 2 个来源

    华为的 openJiuwen 代理平台推出了 TTSE,一个旨在增强代理学习的新框架。TTSE 将环境事实与条件提示区分开来,使代理能够更好地回忆和应用过去任务的知识。在演示中,该框架与 DeepSeek-V3.2 配合时,在 ALFWorld 基准测试上取得了 97.8% 的成功率,与 GLM-5 配合时则为 98.51%,显著优于先前的方法。

  3. TOOL · CL_350732 ·

    openJiuwen 揭晓 AI 智能体双轨自进化

    openJiuwen 推出了一个名为 TTSE(双轨自进化)的新框架,以增强 AI 智能体的自我改进能力。该框架区分了智能体对其环境的理解(FACT)和执行任务的程序性知识(TIP),从而实现更强大、更具适应性的学习。通过区分这两种知识,TTSE 旨在防止智能体在新情况下应用过时或不正确的经验,从而提高其在各种基准测试和实际应用中的表现。

  4. TOOL · CL_349201 ·

    SWE-bench Multilingual 排行榜显示分数和提交来源存在疑问

    Hugging Face 上的 SWE-bench Multilingual 排行榜旨在评估 LLM 在九种语言的 300 个真实 GitHub 问题上的编码任务表现,但存在不一致之处。许多列出的分数,包括前两名,似乎并非来自 300 个任务的有效百分比,表明它们可能是平均值或使用了不同的分母。此外,相当一部分提交来自公开的拉取请求,其中许多由少数几个账户提交,这引发了对结果的验证和独立性的质疑。

  5. TOOL · CL_342973 ·

    本地LLM推理因新工具和硬件支持而蓬勃发展

    本地LLM推理的格局正在迅速发展,Ollama、vLLM和LM Studio等工具使得在2026年前在消费级硬件上运行有用的开源模型成为可能。llama.cpp等基础引擎为这个生态系统提供支持,提供GGUF和AWQ等各种量化格式以实现高效的模型执行。这一趋势使得本地推理成为云解决方案的可行且互补的选项,尤其适用于隐私敏感任务、降低成本和离线能力。

  6. TOOL · CL_341730 ·

    Hugging Face SWE-bench 排行榜显示 9 个自报结果优于官方最佳 · 跟踪 1 个来源

    Hugging Face SWE-bench Verified 排行榜于 2026 年 11 月 5 日更新,列出了来自 68 个仓库的 78 个结果,但没有一个是官方验证的。九个自报条目超过了 swebench.com 表格上的最高分 79.2,该表格最后更新于 2026 年 2 月 26 日。这些顶级条目包括 Ornith-1.5-397B 和 gpt-oss 等模型,其中一些结果源自公开的拉取请求,而非主分支。

  7. RESEARCH · CL_336216 ·

    新的注意力机制使大型语言模型能够处理数百万个token

    研究人员正在开发新的注意力机制,以处理大型语言模型中极长的上下文,目标是克服传统方法的二次成本。论文介绍了递归稀疏注意力(RecSA)和潜在稀疏注意力(LSA)等技术,这些技术使用分层聚类或树状索引来选择相关信息,显著降低了计算成本和内存使用量。这些方法在保持准确性的同时,使模型能够处理数百万个token的上下文窗口,并实现预填充和解码的显著加速。

  8. RESEARCH · CL_326387 ·

    Google 的 Harness² 框架通过优化提示和工具来提升 AI 代理性能

    Google Cloud AI Research 和西北大学开发了 Harness²,这是一个旨在增强 AI 代理性能而无需更改核心模型的框架。该系统专注于优化提示、工具和技能等周边组件。在 WorkBuddy-Bench 基准测试上的实验表明,Harness² 可以显著提高分数,其中一个实例通过修改其 harness 将 GLM-5 的分数提高了 11.5 分。

  9. TOOL · CL_316533 ·

    Google AI 代理在无需重新训练的情况下自主改进 GLM-5 等模型

    Google 开发了一种新颖的方法,AI 代理可以自主地优化其自身的操作框架,包括提示、记忆、工具和护栏。这种被称为“Harness”的方法可以在无需重新训练核心模型的情况下实现性能提升。在一个实例中,GLM-5 模型通过利用这种自我编辑能力,在性能指标上获得了 11.5 分的提升。

  10. COMMENTARY · CL_316532 ·

    Z.ai 传闻中的 GLM-5.5 模型面临训练延迟,目标是实现 Claude Fable 5.1 的能力

    传闻称 Z.ai 正在准备推出 GLM-5.5,这是一款新的人工智能模型,估计拥有 2.5 至 3.5 万亿参数,可能超越 Moonshot AI 的 Kimi K3。据报道,该模型的发布因训练稳定性问题而延迟,特别是损失函数未能下降,这在扩展人工智能模型时是一个代价高昂的问题。虽然传闻的参数数量远大于之前的 GLM 版本,但实际的推理成本和性能将取决于每个 token 使用的参数数量,而不仅仅是总数。

  11. TOOL · CL_316075 ·

    GLM-5 在 19 项任务中优于 Gemini 3.8 Flash,揭示了不同的失败模式

    对 GLM-5 和 Gemini 3.8 Flash 的比较显示,在处理 19 项常见任务时,它们表现出不同的失败模式。GLM-5 成功完成了所有任务,而 Gemini 3.8 Flash 则遗漏了两项。Gemini 的一次失败是在搜索长日志文件中的部署密钥时超出了其轮次限制,导致响应被截断而不是出错。另一次 Gemini 的失败是返回了正确的数值,但将其嵌入句子中,这会导致下游代码解析错误。分析强调了在全面评估模型时,检查停止原因和…

  12. SIGNIFICANT · CL_316078 ·

    开源大模型 GLM-5现可通过Ollama本地运行

    Z.ai开发的GLM-5大语言模型现已可通过Ollama免费在本地运行。这款混合专家模型拥有7440亿总参数,每个token激活400亿参数,在28.5万亿token上进行训练。它使用DeepSeek稀疏注意力支持约198K token的上下文窗口,并在数学推理和编码等领域取得了具有竞争力的基准分数。Ollama简化了在本地硬件上下载、量化和部署GLM-5的过程,并提供与OpenAI兼容的API,以便与现有工具和代码无缝集成。

  13. TOOL · CL_313399 ·

    LLM比较显示,任务轮次而非速度决定性能

    一位开发者在一个月内对四个大型语言模型——DeepSeek V4-Pro、Qwen3.8 Max、GLM-5和Gemini 3.8 Flash——进行了比较,以了解它们在简单速度测试之外的性能。分析显示,完成任务所需的轮次数量,而非单个响应延迟,显著影响了总完成时间。成本比较也表明,输出令牌比输入令牌贵得多,并且缓存命中率对于大型文档上的重复查询至关重要。

  14. RESEARCH · CL_311551 ·

    Agnes AI 发布 Agnes-3.0-Qwen,拥有 1M token 上下文窗口

    Agnes AI 发布了 Agnes-3.0-Qwen,这是一款具有 1M token 上下文窗口的多模态推理模型。该模型在某些基准测试中表现出强大的智能体性能和可靠的指令遵循能力,优于 GPT-5.6 Sol 和 Claude Opus 4.8 等模型。它具有可选的推理努力程度、工具调用能力,并能处理文本、图像和视频输入。

  15. COMMENTARY · CL_310553 ·

    数据显示 GPU 价格上涨,LLM Token 成本暴跌

    Smart Inference 开发的一款工具追踪了 GPU 和 Token 的价格,揭示了市场趋势的分化。从 6 月到 10 月,NVIDIA H100、H200 和 B200 等较新 GPU 的成本上涨了约 20-25%,而 A100 等较旧硬件的价格则有所下降。与此同时,尽管 DeepSeek V4 和 GLM-5 等较新开源模型的模型本身保持不变且硬件成本上升,但其推理 Token 的价格却暴跌了高达 77%。这表明模型提供商…

  16. TOOL · CL_309046 ·

    Google 开源 Harness² 以实现 AI 自我改进

    Google 已开源 Harness²,这是一个旨在通过使 AI 代理在运行过程中自主修改自身代码、系统提示和工具链来增强其能力的新框架。这种递归自我改进(RSI)方法解决了 AI 开发中的关键挑战,例如缺乏标准化的评估指标以及模型容易过拟合到特定任务。Harness² 采用双层递归架构:任务级递归用于实验性修改,而 Harness 级递归用于跨任务累积和转移学习经验。初步测试表明,在 WorkBuddy-Bench、JobBench…

  17. RESEARCH · CL_298628 ·

    中国AI“六小龙”命运各异:智谱、MiniMax、月之暗面领跑不同赛道

    在中国竞争激烈的大型语言模型领域,“六小龙”——如智谱AI、MiniMax、月之暗面等公司——大多已生存下来,但发展轨迹却大相径庭。智谱AI已成为上市公司,市值波动;MiniMax尽管股价大幅下跌,但仍保持广泛的产品线。月之暗面凭借其Kimi K3模型估值飙升,并据报道正为IPO做准备。其他公司如百川智能已转向医疗等专业领域,阶跃星辰则持续发布模型并开发AI硬件。

  18. SIGNIFICANT · CL_296727 ·

    Z.ai 的 GLM-Legal 在法律基准测试中优于 Claude Fable 5 和 Kimi K3

    Z.ai 推出了 GLM-Legal,一个基于其 GLM-5.3-Flash 架构构建的、专门用于法律任务的 AI 模型。该模型在 Harvey 的法律代理基准测试 (LAB) 中取得了 19.2% 的通过率,显著优于其基础模型,并可与顶级法律 AI 解决方案相媲美。虽然 GLM-Legal 在法律推理和分析方面表现强劲,但目前仅通过申请制 API 提供访问,没有公开的权重。

  19. TOOL · CL_289931 ·

    中国开源大语言模型发布时间线(基于供应商数据整理 · 跟踪1个来源)

    一份详尽的时间线列出了中国机构发布的开源大语言模型的发布日期,这些信息经过精心整理,来源于供应商页面、研究论文和Hugging Face的API。该列表排除了仅提供API或仅托管的模型,只关注可下载权重的模型。参数数量根据供应商的说明列出,对于提供多种尺寸的模型系列,则提供范围。该时间线旨在通过直接从发布者处获取信息来确保准确性,并在供应商特定日期页面不可用时,使用Hugging Face存储库创建时间戳。

  20. TOOL · CL_281634 ·

    研究发现智能体内存的有效性因人工智能模型能力而异

    一项新研究表明,智能体(agentic)内存的有效性在很大程度上取决于特定模型的性能,并且需要仔细校准。研究发现,能力更强、容量更大的模型受益于一套完整的精炼指南,而较小或较弱的模型则在精选的任务相关指南下表现更好。一些模型已经运行在峰值性能,无论内存剂量如何,都没有显示出可衡量的改进。