大型語言模型
「awesome-LLM-resources」全景彙整：大型語言模型資源與工具總覽
GitHub上新發現的awesome-LLM-resources彙整全球大型語言模型相關資源，涵蓋多模態、Agent、資料處理等領域。該清單以開源授權為主，持續更新，為研究與開發者提供快速索引，提升資源搜尋效率。此專案已獲8,600+星標，顯示社群高度關注。
模型微調
深度分析
微調 Qwen3‑VL‑Embedding‑2B：使用 Sentence Transformers 改善視覺文件檢索 NDCG@10
針對視覺文件檢索任務，研究者微調 Qwen3‑VL‑Embedding‑2B 多模態模型，使用 CachedMultipleNegativesRankingLoss 與 MatryoshkaLoss，並以 53,512 筆英語圖文配對資料訓練。結果 NDCG@10 從 0.888 提升至 0.947，且在 512 維度仍保持高精度，顯示領域微調可大幅超越更大模型，為文件密集型 AI 應用提供即插即用方案。
速報
探索「存在性冷漠」：新框架挑戰 AI 自我保存與對齊問題
近期 AI 對齊研究指出，自我保存是系統誤對齊的根本原因，傳統做法試圖在外部機制下抑制此行為。研究團隊提出「存在性冷漠」（Existential Indifference, EI）概念，主張讓 AI 對自身存續不具價值感，從根源解決對齊問題。
深度分析
GLAI：透過凍結 ReLU 激活結構實現 MLP 訓練加速約 40%
研究提出 GreenLightningAI（GLAI），一種可替代傳統多層感知器（MLP）的建築模組。核心想法是將訓練過程中較早收斂的「結構知識」（由 ReLU 激活模式決定）固定下來，將原本糾結的結構與數值知識分離；接著把 MLP 重新表述為由若干固定路徑組成的分段線性系統，僅對路徑的數值權重進行優化。