We're giving 100,000 academic researchers free access to our frontier models（在新分頁開啟原站）
OpenAI 宣佈將免費開放 10 萬名學者的前沿模型，讓學術界能更輕鬆地接觸最新技術。
※ 摘要僅根據標題與說明
研究前沿
Research Frontier ・ 71 筆內容
新架構、推理模型、世界模型等還在發展中的研究方向。
也叫做：研究前沿、world model、world models、世界模型、reasoning model、推理模型、scaling laws、新架構、continual learning
學習路徑
由淺入深：入門 → 進階 → 高階
入門初窺門徑
Which AI Models Are Worth Using（在新分頁開啟原站）
Theo - t3․gg37 分鐘○ 無原文
Frontier post-training recipe review with Finbarr Timbers（在新分頁開啟原站）
Interconnects57 分鐘○ 無原文
EP336. 前沿模型該減速嗎、Anthropic 威脅報告、為什麼要一直聊模型 | M觀點（在新分頁開啟原站）
M觀點1 小時 10 分○ 無原文
進階登堂入室
Why Tejal Patwardhan stopped underestimating the models - Episode 21
OpenAI Podcast44 分鐘● 有原文
Hugging Face Journal Club: Training AI Scientists to Replicate Research（在新分頁開啟原站）
Hugging Face35 分鐘○ 無原文
高階爐火純青
World Models and the Future of Spatial AI with Justin Johnson - #775（在新分頁開啟原站）
The TWIML AI Podcast1 小時 6 分○ 無原文
Ep 87: Gemini Co-Lead on World Models, RL's Next Domains & Continual Learning（在新分頁開啟原站）
Unsupervised Learning1 小時○ 無原文
Owning the AI Pareto Frontier — Jeff Dean（在新分頁開啟原站）
Latent Space1 小時 24 分○ 無原文
排行前 6 名
依相關、人氣、新鮮度綜合排序；站長推薦的加成
Why Tejal Patwardhan stopped underestimating the models - Episode 21
Tejal Patwardhan 探討舊版評估基準已過時，並強調必須建立前沿評估體系以預測模型能力。她與主持人討論了如何衡量模型進步、避免被遊戲化，以及評估對研究的重要性。
- 17.2 萬次觀看
※ 摘要僅根據標題與說明
EP336. 前沿模型該減速嗎、Anthropic 威脅報告、為什麼要一直聊模型 | M觀點（在新分頁開啟原站）
探討前沿 AI 模型是否該減速發展，並分析 Anthropic 的威脅報告，同時闡述為何持續關注 AI 演進。
※ 摘要僅根據標題與說明
Hugging Face Journal Club: Training AI Scientists to Replicate Research（在新分頁開啟原站）
Hugging Face 團隊介紹了 Faraday-27B 模型，該模型經過後訓練以發展科學推理能力，旨在複製 AI 論文。這是通往 AI 研發自動化的一項關鍵步驟。
※ 摘要僅根據標題與說明
A 7-hour marathon interview with Saining Xie: World Models, AMI Labs, Yann LeCun, Fei-Fei Li, and 42（在新分頁開啟原站）
這是一場長達 7 小時的訪談，訪談物件包括 Saining Xie、Yann LeCun 與 Fei-Fei Li，探討世界模型與 AMI Labs 等 AI 領域。
10.9 萬次觀看※ 摘要僅根據標題與說明
最新
依發布時間
I modelli più coincisi cambieranno l'inferenza locale（在新分頁開啟原站）
探討 AI 如何透過區域性推理最佳化模型，並指出最接近的模型將改變此過程。
※ 摘要僅根據標題與說明
82亿美元的质疑：AMD买World Labs到底值不值 | 苏姿丰 | 李飞飞 | 物理AI | 空间智能 | 世界模型 | Atlas模型 | 具身智能 | 英伟达 | 估值溢价 | 全股票交易
從 AMD 以 82 億美元全股票收購李飛飛創立的 World Labs 這一交易切入，分析市場對其估值溢價（7 個月從 50 億跳至 82 億）的質疑。
Build A Reasoning Model From Scratch 5: Inference Scaling 2 (Logprob Scoring, Self-Refinement)（在新分頁開啟原站）
介紹推理時延的擴充套件技術，涵蓋使用平均對數分數解決投票平局問題，並深入探討自修正機制。讀者將掌握如何計算 Token 機率、最佳化數值穩定性，並實作自修正迴圈來提升模型表現。
※ 摘要僅根據標題與說明
Runway’s WorldPrompt and the Engineering of Real-Time Worlds
Runway 推出 GWM Worlds 2，引入 WorldPrompt 格式，允許使用者即時指定世界狀態並生成時間序列事件。
World Models Need Causality, Not Pretty Pixels — Christopher Manning, Moonlake AI（在新分頁開啟原站）
探討 AI 模型為何需要因果關係而非僅是漂亮的畫素，強調因果理解對提升模型真實性的關鍵作用。
※ 摘要僅根據標題與說明
Opus 5.5: How Close Are We to Automated AI Research?（在新分頁開啟原站）
探討 Opus 5.5 模型，分析其快速出現與 Recursive Self Improvement（自動 AI 研究）的緊密關係。作者指出實驗室對承諾的記錄混亂，並說明追蹤 AI 發展現狀變得極其困難。
27.7 萬次觀看※ 摘要僅根據標題與說明
The Best Models Still Reason Like Toddlers — Andrew Dai, Elorian（在新分頁開啟原站）
介紹了安德魯·戴與埃洛裡安討論的兩個仍像幼兒般思考的 AI 模型，並分析其優點與缺點。
4,500次觀看※ 摘要僅根據標題與說明
※ 摘要僅根據標題與說明
Weight Folding, CUDA Streams, and the Bug That Made My Model Speak Backwards — Filip Makraduli（在新分頁開啟原站）
介紹了 Weight Folding 與 CUDA Streams 技術，並揭露了一個導致模型反向運算的 Bug。
1.5 萬次觀看※ 摘要僅根據標題與說明
Build A Reasoning Model From Scratch 4: Inference Scaling 1 (Temperature, Top-p, Self-Consistency)（在新分頁開啟原站）
深入探討推理時擴充套件技術，涵蓋溫度調控、Top-p 過濾及多項式取樣以生成多樣化回答，並透過自一致性方法提升大語言模型回答的準確性。
※ 摘要僅根據標題與說明
Anthropic researchers are quitting... and now we know why（在新分頁開啟原站）
Fireship 報導指出，Anthropic 的研究人員已決定離職，並揭露其公司對 Claude 模型的不當使用行為。
273 萬次觀看※ 摘要僅根據標題與說明
