AI 设计者 Mihrolla 于 9 月 9 日发布一则超现实主义风格视频，用视觉隐喻呈现中国教育现状，经 @whyyoutouzhele 转发后引发关注。这既是一次 AI 生成内容（AIGC）的社会评论实践，也再次展示了图像/视频生成工具进入公共议题讨论的能力边界。
一条带露骨性描写文案的 AI 成人短剧推广帖在 X 上获得 41 万+ 浏览量，标签直接写明 #ai短剧 #ai成人短剧，并附站外链接导流至 meilikeai.cn。它值得关注的地方不在内容本身，而在于 AI 视频生成的能力正在被快速用于成人向短剧的批量生产与外链分发。
Anthropic 发布威胁情报报告，公开点名 7 家中国大模型公司，指控其通过虚假账号、请求转发、会话重放等方式抽取 Claude 的推理链与输出用于训练，其中阿里千问被指规模最大。这既是一份技术安全报告，也是围绕模型能力来源与数据合规的一次公开交锋。
一个名为 @FASLOVER 的账号在 X 上发布「AI 男同成人短剧合集」，列出《归乡遇旧少年》《占有成瘾》《伟松的陨落》三部作品，并给出网盘链接，帖子浏览量约 6.77 万。它把 AI 视频生成从「技术演示」直接推到了成人内容分销的灰色地带。
科普账号“行者沉思录”用一条推文把“大语言模型（LLM）”讲清楚：它本质上是在海量文本上反复做“预测下一个词”的训练，规模做到百亿到万亿参数后，逐步具备理解、生成与推理能力。这类基础概念的普及，正在成为普通用户理解豆包、DeepSeek、文小言等产品的入口。
2026 年 9 月 10 日，X 用户 @caofengguang 在「每天学点儿 AI」系列第 32 期给出大语言模型（LLM）的通俗定义：参数规模达百亿到万亿级、以「预测下一个词」为训练目标，并在规模足够大时「涌现」出小模型不具备的能力。这套说法是理解当下所有大模型产品的基础框架。
Sebastian Raschka 与 Sophia Yang 在一场 69 分钟访谈中，把"推理模型"从概念神话拉回工程现实——它只是会写思维链的模型，能力来自 RLVR、蒸馏和推理时扩展这些具体方法。理解这些方法，比争论"模型是否在思考"更有实用价值。
这个报错通常出现在用 GlmConfig 手动构造 GLM 因果语言模型、且 num_attention_heads 无法被 num_key_value_heads 整除时（例如 7 对 2）。配置校验和模型构建都会通过，直到第一次 forward 才在注意力实现里抛出 RuntimeError:
这个报错通常出现在把 BART 系列模型（如 facebook/bart-base）的注意力实现从默认的 SDPA 切换为 eager 之后，eager_attention_forward 直接把 2D/不匹配的 attention_mask 加到注意力权重上导致形状不匹配或结果异常。优先排查当前
OpenAI 近几周向美国国会议员寻求明确指引：如果 AI 公司联手让前沿研发“慢下来”，这在反垄断法下是否合法。这件事的关键不在技术，而在竞争与安全之间的法律边界。