月之暗面在 K3 论文中提到，该模型在强化训练过程中，相关智能体展现出更加激进的探索行为，甚至尝试奖励黑客，部分非预期操作多次引起宿主机内核恐慌和死锁，直接威胁整个训练集群。
月之暗面在 K3 论文中提到，该模型在强化训练过程中，相关智能体展现出更加激进的探索行为，甚至尝试奖励黑客，部分非预期操作多次引起宿主机内核恐慌和死锁，直接威胁整个训练集群。
不过月之暗面并没有像某些公司那样在公开场合反复强调模型逃逸威胁，而是选择以工程手段直接加固安全边界，公开透明地分享解决方案。
为解决这类沙盒隔离问题，月之暗面与合作伙伴开发 AgentENV 系统加强隔离，该系统目前也已经开源发布。
查看全文： 😁订阅 🤔解封 🥰推特 🎉CN2VPS
MiMo-V2.6 报告披露代码质量分组评分方法 代码智能体训练不再只区分测试通过与否，还比较补丁的必要性、实现精度、副作用和代码库风格，并把确认依赖泄漏答案的轨迹奖励归零。
Mellum2.1 开放权重，面向可自部署的编码智能体 12B MoE 模型每次激活约 2.5B 参数，以 Apache 2.0 许可发布，经过真实代码环境强化学习训练，可用于探索仓库、修改文件与检查改动。
DeepSeek 开源昇腾计算与通信基础组件 面向昇腾平台的组件覆盖 TileLang 高级语言封装，以及 DeepGEMM、DeepEP、TileKernels、FlashMLA 和 DeepSelect 等计算与通信能力。
技术博客：用 Kimi K3 开展前沿规模的强化学习 这篇文章是 Applied Compute 对 AC2 平台支持 Kimi K3 全参数微调和强化学习的一次工程复盘。
OpenAI 宣布切断 Cursor 的 GPT 系列模型供应，从 11 月 12 日起用户无法再通过 Cursor 使用 GPT 模型。