GraphWalks
PulseAugur coverage of GraphWalks — every cluster mentioning GraphWalks across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
Google 发布 Gemini 4 Carbon，在 AI 基准测试中名列前茅
Google 发布了 Gemini 4 Carbon，这是其 Gemini 4 系列最新、最先进的模型，将其定位为长篇工程任务和网络安全领域的领导者。该模型在人工智能分析智能指数 v5.0 中取得了最高分，并在识别和修补软件漏洞方面表现出色。虽然 Gemini 4 Carbon 在各种基准测试中都超越了其前代产品 Gemini 4 Argon，但目前正在选择性推出，优先考虑网络安全专业人士，然后再向更广泛的开发者开放。
-
Google DeepMind 发布 Gemini 4 Carbon 用于网络安全和编码
Google DeepMind 推出了 Gemini 4 Carbon，这是一个专为高级网络安全防御和复杂编码任务设计的新前沿模型。据报道，该模型在几个关键基准测试中，特别是在漏洞查找、利用和修补方面，其表现优于其前身 Gemini 4 Argon 以及 GPT-6 Astra 和 Claude Opus 5.5 等其他领先模型。然而，目前 Gemini 4 Carbon 的访问权限仅限于选定的网络安全专业人士和受信任的合作伙伴，没有…
-
小米发布万亿参数MiMo大模型家族，权重开放
小米发布了其MiMo大语言模型家族，最新版本MiMo-V2.5-Pro拥有万亿参数。这些模型以其MIT许可下的开放权重状态和原生的全模态能力而闻名，能够处理文本、图像、视频和音频。MiMo-V2.5-Pro采用了稀疏专家混合架构，在总计1.02万亿参数中，每个token有420亿活跃参数，并支持高达100万token的上下文窗口。
-
新方法揭示LLM上下文窗口基准存在缺陷
一篇新的研究论文介绍了一种“抗干扰截断”方法，以更好地评估长上下文窗口对大型语言模型（LLM）的真实影响。研究发现，在提示的中间移除内容的朴素截断会显著降低Claude和GPT-5.5等模型的性能。然而，当在截断提示的同时保留与任务相关的信息时，性能保持稳定甚至有所提高，这表明之前的基准可能将上下文长度效应与信号丢失混淆了。
-
Anthropic 发布 Claude Opus 4.8，具备努力度控制和改进的编码能力
Anthropic 发布了 Claude Opus 4.8，该版本具有增强的努力度控制、动态工作流和在编码任务中提高的诚实度。这个新模型在 SWE-bench Pro 和 GraphWalks 等基准测试中取得了显著进步，同时还提供了一个更快、更便宜的模式。该版本旨在通过提供更强大的配置和对齐来解决 AI 编码代理中常见的失败模式，例如约束违反和过度自信。