Gemini 3.1 Flash-Lite：Gemini 3 系列最快最具成本效益模型
Google 推出 Gemini 3.1 Flash-Lite，這是 Gemini 3 系列中最快且最具成本效益的模型。它專為大規模智慧應用設計，能實現更廣泛的 AI 部署。
Search
Tag: #model-optimization39 results
利用 Self-Distilled Reasoning 改進 SFT 推理能力
AWS 引入了 Self-Distilled Reasoning (SDR)，旨在為監督式微調 (SFT) 中缺乏明確推理軌跡的數據集注入推理能力。此方法解決了推理抑制問題，並為提升 Amazon Nova 的模型性能提供了框架。
中國新創公司轉向輕量化、手機端 AI 模型
中國科技公司正將重心從龐大的雲端模型轉向專為手機和筆電設計的輕量化 AI。此策略旨在透過繞過高耗能的資料中心，提升處理速度並強化數據隱私。
📰
Bonsai-27B 模型更新與 llama.cpp 整合進度
Bonsai-27B 與 Ternary-Bonsai-27B 模型在整合至 llama.cpp 的進度上有重大更新，目前已支援 Metal 與 Vulkan 等多種後端。
從 5,000 多位 Kaggle 選手學習提升 AI 推理能力的經驗
NVIDIA 分析了 Nemotron Model Reasoning Challenge 的數據，該挑戰賽吸引了超過 5,000 名參與者探索提升推理準確性的技術。研究重點在於標準化基準測試與基礎架構如何揭示開源模型的有效優化策略。
釐清 LoRA 論文中關於子空間相似度的圖表
研究人員尋求對 LoRA 原始論文中子空間相似度圖表的解讀說明。討論重點在於秩索引（rank indices）之間的關係以及子空間包含關係的可視化方式。
使用 LangChain Deep Agents 優化 NVIDIA Nemotron 3 Ultra
本指南展示如何為 NVIDIA Nemotron 3 Ultra 建立 LangChain Deep Agents 測試配置檔。重點在於提升代理系統效能，同時平衡模型準確度與營運成本之間的權衡。
量化對模型推理與細膩度的影響分析
一項針對 Qwen 3.6 與 Gemma 4 模型不同量化等級的主觀基準測試。結果顯示，較低的量化等級會顯著降低模型處理複雜程式碼與創意任務的能力。
新創公司 Probably 獲 900 萬美元融資，旨在解決 AI 幻覺問題
Probably 獲得 900 萬美元種子輪融資，致力於開發能捕捉 AI 事實錯誤的技術。該公司挑戰了業界追求更大模型的趨勢，轉而專注於更小、更精確的系統。
透過 Battleship 遊戲提升小型 AI 模型推理能力
MIT 研究人員證明，透過讓小型 AI 模型學習 Battleship 等邏輯遊戲，能顯著提升其提出精確問題的能力。此方法使較小且具成本效益的模型，能執行以往僅大型系統能勝任的任務。