Unsloth 刚刚发布了一个强化学习小教程
教程从吃豆人游戏触发，然后简单介绍 RLHF, PPO 再到 GRPO, 然后告诉你如何用 GRPO 开始训练，是个不错的入门小文章。
地址: docs.unsloth.ai/basics/reinforcement-learning-guide
没错进门就是 TRAE, 红色的牌子特别显眼, 这次实装了 doubao-seed-1.6-thinking 很多人都在当场试用
Intel 展位
首先还是最重磅的, Intel 把还没正式发布的 Arc Pro B60 拿过来了, 24G GDDR6, 456 GB/s, TDP 200 W. 从贴纸看这个还是工程样品. 我跟现场的工作人员说能否拔下来多拍几张, 结果被拒绝了, 因为没有螺丝刀. 机器搭配的是平平无奇 DDR5 4800.
面壁智能刚刚发了一堆小模型，包括： MiniCPM4-0.5B/8B/MCP/Survey 等等
- MiniCPM4-0.5B 是面向端侧设备的，8B是旗舰模型
- BitCPM4-0.5B/BitCPM4-1B 是类似 bitnet 的1bit 量化模型
- MiniCPM4-Survey 是个专门用于生成报告的模型
- MiniCPM4-MCP 是个MCP专用模型
另外还有一些视觉模型组件。目前从跑分上看，与 Qwen3-8B 不相上下，感兴趣的朋友可以试试。…
一张图搞定结构化3D建模——PartCrafter
这是一个来自北大+字节跳动+卡耐基梅隆大学的联合项目
简单来说，这个项目实现了从单张RGB图像直接生成多个语义部件的结构化3D模型，彻底告别了传统"先分割再重建"的繁琐流程，提供：
- 端到端生成：无需预分割输入，一步到位生成完整的部件化3D场景
- 组合式潜在空间：每个3D部件用独立的潜在token集合表示，支持灵活编辑…
Mistral 刚又发了个小模型—— Magistral-Small-2506
这是个 Mistral Small 3.1 微调的版本，增加了推理能力的疯狂RL版本。这个大小很适合单卡 32G 跑。至于分数嘛… 跟 Qwen3-4B 差不多。GPQA 会高一些。但AIME甚至没有Qewn3-4B 高。
模型地址：huggingface.co/mistralai/Magistral-Small-2506 Unsloth 量化版本地址：huggingface.co/unsloth/Magistral-Small-2506-GGUF
考虑到提供了Enhance a Video等功能且支持模块化和量化后的VACE模型，虽然显存优化差一些但还是在Comfyui改用WanVideoWrapper而非官方工作流进行部署。
使用文生视频时，8g显存能生成33帧1152x640分辨率的视频，在3070m用时约26分钟。
由于旧版Deepseek R1前端开发能力一般，而GitHub Pages以及这一页面需要展示的网页的开发对模型的前端开发要求较高，因此在Deepseek R1 0528发布后才开发这部分项目。
再来看小米发布的第二个新模型——MiMo-VL-7B-RL
这是个视觉模型，主打视觉推理，宣传也是在7B这个规模达到了领先，另外一个亮点是，它支持UI识别，因此可以当作各种界面操作MCP的前置模型。
由于官方没有放出在线使用地址，以及视觉测试我基本都没什么感知，所以感兴趣的朋友只能自己试试了。
地址：huggingface.co/XiaomiMiMo/MiMo-VL-7B-RL …
“昨天的我狙击了今天的你”
小米刚刚发布了两个新模型，我来给大家分别介绍，这个是第一个—— MiMo-7B-RL-0530
这是一个文本推理模型，跟 DeepSeek-R1 是一个类型。小米宣称这个新模型在 7B 规模这个是目前最强的模型。
官方比较的也是之前 DeepSeek-R1 蒸馏的 Qwen2.5-7B, 甚至说 AIME24 数学测试超过了旧版 R1，估计是也没料到 28 号 DeepSeek 发布了新蒸馏的 Qwen3-8B。 我把数据整理到一起给大家看。结论就是——没打过 DeepSeek-R1-0528-Distilled-Qwen3-8B. …
有数据显示 DeepSeek-R1-0528 的后训练数据可能是使用 Gemini 合成的, 之前的旧版R1则是用 OpenAI 模型合成的。图中是一个针对 DeepSeek 输出内容进行聚类的树，可以看到新版的 R1 在输出内容聚类上更靠近 Google Gemini, 而之前的 R1 则更靠近 OpenAI
AI能挖掘 0-day 漏洞了?
看到个安全研究员的博客, 使用 OpenAI o3 成功发现了个 linux 内核 0-day 漏洞. 当然发现过程并不是直接把内核4000万行代码扔进去. 而是有针对的分析.
blog 作者一直在审查 ksmbd (内核中的 samba3 协议服务器) 相关漏洞, 并且构建相关验证场景. AI 最大的用处是帮助人分析代码, 相关的代码片段大概 3300 行, o3 目前上下文召回也是最强的, 所以很适合这个场景, 然后 o3 就发现了个变量释放的引用计数器bug, 导致其它线程可以访问.
由于前段时间使用的Hidream i1 full等模型速度较慢，近期希望查找速度更快的模型用于非正式作品，总体要求是绘画模型在3070m上生成时间10秒内，视频模型单帧生成时间4秒内。
绘画模型用LCM比较快，但有LCM的模型较少，考虑速度因素，选择了以SD1.5为底模的Cyberrealistic v32，在人物等用途的总体效果也优于不少专用模型，只有航拍效果略低于ArchitectureRealMix。30步生成1024x680分辨率的图片在3070m上用时8.2秒。至于其它底模，SANA Sprint速度还要快不少但生成效果较差。
视频模型考虑速度和效果，选择了AnimateLCM SVD xt，是SVD xt的LCM版本，虽然后段画质有一定下降但总体上能用，8步生成1024x680分辨率的视频在3070m上单帧用时3.8秒。至于其它模型，AnimateDiff Lightning和LTX Video 0.9.6速度更快，但前者细节表现较差，后者只适用于部分题材。
以下是几组生成案例： …
Qwen 又发新模型了！ ParScale-1.8B-P1 （P2，P4，P8）
这个 P 是什么意思？没错，就是这个模型最新颖的点。大家知道提升模型能力要么增加参数量，要么疯狂推理（类似QwQ一个问题要想3分钟）。于是 Qwen 团队又搞出了一个新方法，干脆并行推理。于是他们发明了新的方法——ParScale
简单讲 ParScale，首先使用 n 个并行流进行推理 (就是模型后缀的Pn)，但这些不是相同的推理启动多个，而是使用可学习的差异化变换（transformations），这些输入的内容在模型中前向传递（使学习变换后的内容具有关联性）。最后使用动态聚合机制合并所有输出结果。
Qwen 团队验证，使用这个方法能近似相当于给模型扩展参数，使用P个并行流的扩展相当于将参数数量增加 O(log P) 倍。比如 30B 的模型，如果 8 个并行，那么效果相当于一个 42.5B 的模型。 …
来看这个新技术 PTS (Pivotal Token Search, 关键token检索)
简单来讲, PTS的想法基于——大模型干活的时候不是所有输出的 token 都能成为决策点, 而是几个关键点 token 能决定大模型输出的东西对不对, 其它全是水词, 于是PTS方法提取这些 token, 形成 DPO（Direct Preference Optimization, 直接偏好优化）数据集. 数据集包含 “选择的 token” (增加成功率的 token), “拒绝的token” (降低成功率的 token)。然后进行针对性微调.
除了微调, PTS 方法还可以提取关键 token 的激活模式, 生成 steering vectors（引导向量）。然后在模型推理过程中引导，这样就不用微调了。（当然计算量会增加一些）
不过我咋感觉这个方法只是将一部分参数在向量空间的分布概率拉大？尤其是作者说是收到Phi4启发的。但Phi4的效果没啥惊艳的地方。那么这个方法真的有什么改进么？还是我理解的不太对？想听听有没有大佬的想法或者实践经验 …
想要一个安全MCP沙箱环境吗？不用自己搭建，来看这个项目——llmbasedos
llmbasedos 使用 Arch Linux 裁剪构成，然后内部将 Arch 的各种功能（文件系统，邮件，同步，代理等）包装成MCP服务。连接后即可调用。
当然，这其实就是个装了东西的操作系统。你需要用虚拟机或者用物理机从iso启动这个操作系统才能用。
地址：github.com/iluxu/llmbasedos …
