搜索
在大模型训练时，如何管理权重、避免数值爆炸与丢失？Thinking Machines Lab 的新研究「模块流形」提出了一种新范式，它将传统「救火式」的数值修正，转变为「预防式」的约束优化，为更好地训练大模型提供了全新思路。
据 9to5Mac 报道，iOS 26.1、iPadOS 26.1 和 macOS Tahoe 26.1 开发者测试版隐藏的代码显示，苹果正在为 App Intents 引入 MCP 支持打基础。这也意味着未来，我们能让 ChatGPT、Claude 或其他任何兼容 MCP 的 AI 模型直接与 Mac、iPhone 和 iPad 应用交互。
宝可梦游戏的开放世界、长周期、巨大行动空间和高难度特性，为训练能应对现实世界复杂性（如稀疏奖励、探索挑战）的AI提供了理想沙盒。对比AI的机械尝试和人类的“乐趣驱动”探索，文章阐释人类特有的好奇心美学对于科学发现的关键价值，并探讨AI赋能游戏设计（个性化体验、无限故事/行动空间）以优化人类乐趣的潜力。
当地时间9月19日，上午6:02分，Google Gemini App宣布 Gemini Chrome正式面向美国所有符合条件的 Mac和 Windows用户推出，并其即将在手机端 iOS上推出。
马斯克“巨硬计划”（MACROHARD）新动作曝光： 6个月从0建起算力集群，已完成200MW供电规模，足以支持11万台英伟达GB200 GPU NVL72。仅用6个时间，完成了OpenAI和甲骨文等合作花费15个月完成的工作，再次创造纪录。
这项名为 MachineLearningLM 的新研究突破了这一瓶颈。该研究提出了一种轻量且可移植的「继续预训练」框架，无需下游微调即可直接通过上下文学习上千条示例，在金融、健康、生物信息、物理等等多个领域的二分类 / 多分类任务中的准确率显著超越基准模型（Qwen-2.5-7B-Instruct）以及最新发布的 GPT-5-mini。
Thinking Machines Lab成立7个月，估值120亿美元，首次公开研究成果：LLM每次回答不一样的真凶——kernel缺乏批处理不变性。Lilian Weng更是爆猛料：首代旗舰叫 Connection Machine，还有更多在路上。
刚刚，0产出估值就已冲破120亿美元的Thinking Machines，终于发布首篇研究博客。
来自斯坦福的研究者们最近发布的一篇论文（https://arxiv.org/abs/2509.01684）直指RL强化学习在机器学习工程（Machine Learning Engineering）领域的两个关键问题，并克服了它们，最终仅通过Qwen2.5-3B便在MLE任务上超越了仅依赖提示（prompting）的、规模更大的静态语言模型Claude3.5。
就在今天，Xcode最流行的超强编程Copilot插件Alex，宣布被OpenAI收编，全员加入Codex开启新工作！这会为Codex在开发者更偏爱的Mac端的攻城略地带来哪些变数？