无需改参数的知识蒸馏:UTT 用文本 Primers 提升大模型数学与代码能力

一篇 2026 年 10 月 8 日发布在 Hugging Face Papers 的论文提出 Universal Textual Teaching(UTT),把教师模型与学生模型的差距写成可读、可复用的自然语言“Primer”,不更新学生参数,就在数学和代码任务上提升表现。

一篇 2026 年 10 月 8 日发布在 Hugging Face Papers 的论文提出 Universal Textual Teaching(UTT),把教师模型与学生模型的差距写成可读、可复用的自然语言“Primer”,不更新学生参数,就在数学和代码任务上提升表现。

2026 年 10 月 13 日,Artificial Analysis 发布 Decision Index v1.0,首次用统一榜单评测“决策模型”这种一次调用输出多选项概率的新模型类别,并同时把大模型拉进来做对照。
![[Bug]: Databricks service_tier is dropped in request translation, streaming, and pricing](https://www.chat-gpts.plus/wp-content/uploads/2026/10/41834-421ec28c-768x403.jpg)
在 LiteLLM 1.100.0 中调用 Databricks 模型并传入 service_tier="priority" 时,该字段会在请求翻译、参数过滤、流式聚合和计费环节被丢弃,导致 priority 费率未生效或返回层级丢失。优先排查 Databricks 的 supported para

在 LiteLLM 使用 Vertex Gemini 显式缓存(explicit cache)时,如果出现 Gemini explicit cache creation drops lifecycle usage 和 spend callbacks omit creation and storage

Hugging Face 论文页 2026 年 10 月 7 日收录的 VIS-Ground,尝试解决交互式视频生成中“观众干预后,模型该依据哪些上下文继续生成”的问题,把异构输入转为可执行的生成约束。

最新论文测试在指令微调或继续预训练后,仅调整模型最终预测的词汇偏置和温度能否挽回"遗忘"的网页文本预测能力,结果显示大部分损失无法通过这种无上下文修正恢复,最高仅约36%,且合成随机损伤实验也能达到29%恢复,说明表面修正不等于根因修复。

alphaXiv 发布综述论文,将大模型系统的异常检测划分为“边界建模”和“对齐检测”两种思路,后者主张对照当前请求的 SLO、用户意图和安全要求来判断异常,而非只比对历史运行模式。

一项预注册实验发现,把与真事实高度相似的假事实移入或移出语言模型的局部注意力窗口,模型误信概率并未在窗口边界发生跳变;省显存的滑窗混合架构整体上更易被迷惑,但原因不是窗口边界本身。

该报错出现在 macOS Apple Silicon 上使用 Ollama 0.40.0/0.40.1-rc0/0.40.3 配合 MLX 模型(如 qwen3.6:35b-mlx)进行推理时,运行约一分钟后 MLX runner panic,并返回 HTTP 500。优先排查模型是否走 MLX r

该报错通常出现在 Mac(Apple Silicon)上用 Ollama 0.40.x 加载 qwen3.6:35b-mlx 并处理较长上下文(如 65,536)时,MLX runner 的 KV 缓存(prefix cache)在解码过程中偏移越界,导致进程 panic。优先确认是否为 MLX 路