#Meta

Rohan Paul@rohanpaul_ai· 08:53AI 评分6161

Meta 与卡内基梅隆大学的研究发现，通过强化学习训练的小型模型在工具选择任务上能够超越提示词驱动的大型模型。研究通过教师示例与强化学习训练 Qwen3 模型执行步骤拆解与工具选择，在 ToolBench 上达到 41.5% 的准确率，优于 Llama-4-Maverick 402B 的 30.6%。

Rohan Paul@rohanpaul_ai· 14:32AI 评分6262

Meta 发布新论文介绍了一种名为 Retrospective Self-Distillation 的多轮自进化框架，让 AI 智能体通过事后回顾自身包含失败在内的无标签运行轨迹来学习并提升表现。在 ScienceWorld 上，Qwen3-14B 的成功率从 12.9% 提升至 20.6%；在 ALFWorld 上，Qwen3-8B 达到了 76.6% 的成功率。

微软 Mustafa Suleyman 称其 AI 在追求医疗超级智能时复杂病例诊断表现优于医生

微软 AI 团队在 Science 发表研究称，其开发的 MAI-DxO 诊断系统在模拟复杂医学病例时准确率达到 83%，而全科医生为 36%。该系统通过协调多个 AI 智能体模拟医生小组进行问诊、检查和辩论，微软正计划与梅奥诊所和贝丝以色列女执事医疗中心合作推进真实世界评估。

Rohan Paul@rohanpaul_ai· 16:41AI 评分6262

Meta 发布并开源了 30B 参数的智能体模型 Muse Glimmer 30B，该模型由 Muse Spark 知识蒸馏而来并在合成智能体任务上训练。其 4-bit 权重占用低于 20 GB，可在单张 RTX 5090 等消费级 GPU 上高效运行。在 MCPAtlas 测试中得分 75.5，在 OSWorld-Verified 上得分 65.9，并在 Apache 2.0 许可证下开源。

SemiAnalysis 剖析华为与 DeepSeek 共生：Ascend 950PR 实测与 DeepSeek 开源适配

SemiAnalysis 详细剖析了华为与 DeepSeek 的技术合作与共生关系，实测了 Ascend 950PR 架构的计算与内存性能，并探讨了 DeepSeek 针对华为硬件的开源适配进展、软件栈优化及 DeepSeek-V4.1-Flash 的执行剖面。

Rohan Paul@rohanpaul_ai· 04:41AI 评分6060

Meta 推出了名为 ProPerMem 的基准测试，用于评估具备长时间记忆的主动式 AI 助手在自主决定何时打断及回答上的表现。研究表明，在包含约 618K token 的一年期个人记忆中，现有基准和前沿模型在自主选择时机时表现较差，准确率最高不超过 15%，而内容与时机兼顾并减少冗余触发可将准确率提升至 42.4%。

AI at Meta@AIatMeta· 03:54AI 评分6363

Meta 发布了 Muse Glimmer 30B 开放权重模型技术报告，该模型专为消费级硬件上的智能体任务打造。它在 4-bit 精度下可在单张消费级 GPU 或 Mac/PC 上以实用速度运行，并在工具调用和多步规划能力上领先于同尺寸开源模型。

Artificial Analysis@ArtificialAnlys· 02:50AI 评分4444

AA-PersonalityBench 是一个用于评估大语言模型个性与沟通特征的新基准，涵盖 30 种个性特质和 21 种沟通特征。该基准通过 900 道精选问题，对模型的 8 个个性指数及长度、结构、标点、强调等沟通维度进行全面评测。测试结果展示了不同模型在各项指标上的具体表现，帮助用户根据不同应用场景选择最合适的模型。

Meta 对比 Muse 模型在分布外任务的表现

Meta 通过对比测试时计算扩展，量化了模型处理陌生任务的能力。研究发现，在相同的分布内得分下，Muse Wonder Full 在分布外任务上的表现优于 Muse Spark 1.3 趋势的预测。Meta 将这一提升归因于更强的基座模型，使其能更有效地将后训练增益迁移至未预料的任务中。

使用 TLX 优化 Jagged Flash Attention：迈向 Blackwell 架构上的 SOTA FA4

Meta 团队介绍了如何使用 TLX（Triton Low-level Extensions）在 NVIDIA Blackwell B200 上优化用于广告模型的 Jagged Flash Attention（JFA）。