Mistral Small 3.2
PulseAugur coverage of Mistral Small 3.2 — every cluster mentioning Mistral Small 3.2 across labs, papers, and developer communities, ranked by signal.
-
AI模型在Agent编码基准测试中达到90%，部分成本极低
一项最近的基准测试评估了148个模型在Agent编码任务上的表现，其中Qwen3 Coder 30B A3B和最初的DeepSeek Chat两个模型达到了90%的成功率。Qwen3 Coder模型以0.0004美元的成本在28秒内完成了任务，而DeepSeek Chat则花费了0.0018美元，耗时59秒。Liquid的LFM 2 24B A2B在十项任务中以0.0002美元的成本获得85%的得分，成为最具成本效益的模型。
-
研究发现：大语言模型在医疗分诊中存在显著性别偏见
一项名为 EQUITRIAGE 的新审计评估了五种大型语言模型在急诊科分诊中的性别偏见，发现所有模型均表现出超过 5% 阈值的偏见。DeepSeek-V3.1 和 Gemini-3-Flash 表现出显著的女性漏诊倾向，翻转率在 9.9% 到 43.8% 之间。虽然人口统计信息匿名化降低了 Gemini 的偏见，但 DeepSeek 仍显示出残留偏见，表明年龄是促成因素之一。该研究强调，不同模型具有不同的潜在偏见机制，并强调在临床部署…
-
EVE框架推出开源LLM以用于地球情报
研究人员开发了EVE，一个专注于地球情报的专用大型语言模型（LLM）的开源框架。EVE的核心是EVE-Instruct，一个拥有240亿参数的模型，源自Mistral Small 3.2，在与地球观测和地球科学相关的推理和问题解答方面表现出色。该新模型在定制基准测试中展示了卓越的性能，同时保留了通用能力，该项目还发布了精选的训练数据和评估基准。EVE包含一个具有检索增强生成（RAG）和幻觉检测的生产系统，支持超过350名试点用户。