公司与模型
阿里千问 Qwen 系列的模型发布与开源更新，从旗舰大模型到能装进手机的小模型。
82 条精选近 30 天 78 条共收录 94 条
MolLean 提出一种用于化学推理的过程可验证语言，借助显式分子状态、基于 Lean 的验证和交互式工具反馈，以减少生成与反应任务中的模型幻觉。其分层 Lean 内核检查状态转换与断言，MolLean-MCP 状态化工具接口在生成时暴露状态转换、检查与分子读数，模型据反馈决定下一动作，被拒绝的动作不改变状态；框架支持单次轨迹执行、整条轨迹修订和交互式推理。
推荐理由：论文将化学推理表示为可验证的分子状态转换，用 Lean 内核检查状态变化，并在 12 个任务上比较三种执行模式，为可检查、可修订的推理流程提供方法参考。
千问推出个人智能体千问Go，能在千问App内代用户办理航班延误索赔、价格保护退差价、汽车保养预约、场馆预订等事务。它基于今年9月云栖大会公布的Qwen 3.8 Agentic能力，并在淘宝、飞猪、高德等阿里生态内具有流程优势。
推荐理由：通过航班索赔与价格保护等真实案例，展示这类代理在边角场景中代用户与人工客服多轮交涉的具体路径。
千问发布AI眼镜N1、N1 Pro及AI耳夹式耳机三款Personal Agent硬件新品，10月13日开售。N1系列搭载5000万像素影像系统，支持全天候环境感知、翻译、会议纪要和语音办事，N1 Pro在此之上新增体征实时监测、眼动交互和虹膜核身；AI耳夹式耳机由千问与Bose合作推出，支持多语言翻译、AI实时听记和任务交办。叠加国补及限时优惠后，眼镜到手价2218元起，耳机1099元起。
推荐理由：原文列出了三款Personal Agent硬件的影像配置、交互能力和首发定价，便于评估其在同价位 AI 可穿戴中的定位。
千问即将发布个人AI助理"千问Go！"。该产品升级后可自主查询操作各类授权平台、比较方案，并通过电话联系服务方完成目标任务。
推荐理由：原文说明千问Go！可自主查询授权平台、比较方案并联系服务方，可用来对照一般 AI 助理的能力边界。
国内AI办公赛道形成腾讯WorkBuddy、阿里千问办公、字节豆包工作三足鼎立，三家分别押注生态开放、企业级市场和流量多模态。QuestMobile 2026年9月报告显示，该赛道月活7月达1.02亿、同比增长112.4%，原生App端月活同比增长261.1%；白领群体约1.2亿人尚未完全覆盖，行业仍有约20倍增长空间。
推荐理由：对比腾讯WorkBuddy、阿里千问办公、字节豆包工作的用户规模与生态策略，呈现当前国内AI办公赛道格局分化的参考。
阿里智能体平台Qoder上线Fast模式，据阿里云公众号消息，该模式相比国际版原有性能模式，生成速度提升超150%，Token消耗降低约27%。
推荐理由：给出了 Fast 模式相对原性能模式在生成速度和 token 消耗上的对比数据，便于评估对实际工作流效率的影响。
论文提出 X-Ragent，一种面向胸片证据推理的工具增强强化学习后训练框架，将辅助证据检索与有效性门控的定量测量解耦。方法先用 7.7K 样本的 Rad-CoT 数据集对 Qwen3-VL-8B 做智能体监督微调，再用 GRPO 结合仅对正确轨迹生效的过程级奖励做策略优化；在三个胸片基准上取得最优结果，其中完全留出的 ChestAgentBench 提升 8.6 个点。
推荐理由：提出面向胸片诊断的工具增强强化学习框架，并给出三基准实验与 GRPO 训练流程，可作为医疗多模态智能体的方法参考。
The Verge 作者 Antonio G. Di Benedetto 在 M5 Ultra Mac Studio（256GB 统一内存）上安装了开源桌面应用 Hermes Agent，并搭配 Qwen 3.8 Flash Next（125B 参数，约 105GB）等本地大模型进行实测。
推荐理由：作者以实测展示了本地大模型在桌面端能完成的任务类型与当前局限，读者可以据此评估投入本地硬件的性价比。
Vela 把 10 万用户的匿名行为记录转换为约 7.5 万条训练任务，用于微调大语言模型。在千问 Qwen3.6-35B-A3B 上微调后，用户相关任务最高提升 11.5 分，通用基准平均提升约 4 分；先微调再做强化学习，比直接从基模型做强化学习最高再提升 7.7 分。
推荐理由：原文给出从用户行为到训练数据的具体流程与提升数字，可作为构建用户感知能力的参考。
这篇论文在 MMEB 基准上系统评估了多模态嵌入对比学习的多种负样本选择、批次构建与梯度调节策略，发现多数现有策略相比标准对齐基线增益有限，部分甚至会降低整体性能。
推荐理由：论文在统一框架下复现并对比了多种对比学习策略，揭示出多数策略增益有限，并给出三条失败模式与可迁移的训练组合方案。
KV4-RL 用 INT4 KV cache 量化结合对 attention sink 和近期上下文的 INT8 保护来加速 RLVR 异步 rollout。
推荐理由：论文把 RLVR 异步 rollout 的 KV 负载集中现象做了量化，并给出兼顾 INT4 加速与采样精度的可迁移训练方案。
通义千问（Qwen）在 Hugging Face 发布 Qwen-Image-2.1-Turbo，是 Qwen-Image-2.1 的加速检查点，沿用同一 7B 视觉生成架构，支持文生图与图像编辑，默认 CFG=1 并仅需 8 步去噪，配合 prefix KV 缓存复用文本与参考图上下文。
推荐理由：8 步去噪与 prefix KV 缓存是该检查点的核心改动，读者可据此评估它在速度和质量上的取舍。
文章把华为、阿里、字节、腾讯在AI手机入口上的四条路径概括为'华为做深、阿里做广、字节做精、腾讯做巧'：华为凭麒麟9050芯片与鸿蒙系统自研端侧30B MoE全模态模型。
推荐理由：把华为、阿里、字节、腾讯四家在AI手机入口上端侧自研、全栈方案、协议反向接入等不同路线压缩到同一比较框架，凸显各家技术取舍与生态博弈的差异。
TerminalHorizon 是一个面向长程终端智能体的全自动数据合成引擎，通过独立执行识别真实职业任务中被省略的关键工作，并以证据引导环境重构、围绕同一目标逐步扩展任务序列。
推荐理由：原论文给出从数据合成到微调训练的完整方法与多基准结果，读者可直接对照自己的智能体训练管线和数据构造思路。
ClawLoop 提出一种让大语言模型智能体在沙箱工作空间中自改进的训练框架，不依赖外部教师模型。该框架由任务合成、SFT/RL 训练和诊断反馈三阶段组成循环。
推荐理由：提出不依赖外部教师的智能体自改进训练框架，在多个评测基准上取得稳定提升，并验证了合成任务可迁移到更小模型。
针对 Qwen3 系列模型（1.7B–8B）以 NO-THINK 模式训练并施加强化学习的研究发现，RL 带来的精度提升主要来自思考泄漏，NO-THINK 模型逐渐表现出原本 THINK 模式的行为。
推荐理由：论文通过权重、激活和注意力头干预给出因果证据，提示读者重新评估强化学习对推理能力的实际增益来源。
阿里巴巴集团主席蔡崇信在都灵出席Wave by Vento 2026时预测，五年后人们可能不再单独讨论AI，AI将像今天的互联网一样融入业务每个环节，从显性话题转为隐性基础设施。原文还表示，相关术语会随技术普及程度而演变，但AI作为根本性的技术突破将持续影响商业与社会。
推荐理由：蔡崇信以互联网普及为类比，给出AI将转为隐性基础设施的判断，为产业长期走向提供一个高层的思考角度。
该研究指出，在基础模型回复开头固定特定 token 线索，可使其在数学和编程推理任务上达到与 RL 训练版本相当的水平。回复前的 '. Okay' 线索将 Olmo-3-7B 的 MATH-500 pass@1 从 42% 提升至 78%，'Alright,' 线索将 Qwen3-14B 从 72% 提升至 87%。
推荐理由：论文把基础模型的推理能力回溯到训练数据中的特定 token 线索，给出了一种不靠 RL 也能恢复推理表现的替代解释。
AWS 团队在 Amazon SageMaker AI 上用多轮强化学习微调 Qwen3.6-27B 搜索 Agent，以 nDCG@10 作为轨迹级奖励。微调后 BrowseComp-Plus 的 nDCG@10 提升 23.7%、失败率从 22.89% 降至 0.68%，WixQA 与 Wands 也分别提升 18.4% 与 6%。
推荐理由：给出在 Amazon SageMaker AI 上用多轮强化学习微调搜索 Agent 的方法、配置与结果，可作为多轮 Agent 训练的参考。
千问（Qwen）开源统一文生图与编辑模型 Qwen-Image-2.1，视觉生成组件仅 7B 参数，采用 32 层 Single-Stream DiT，支持常规或 RGBA 透明图像生成与编辑。
推荐理由：模型把文生图、图像编辑与 RGBA 透明图生成统一在 7B 视觉组件中，并附带完整的推理调用代码。