iFeeling Daily
每天精选值得关注的 AI 动态
把数据库评分变成RL奖励：ThinkingBox后训练智能体
用数据库最终状态当奖励，Qwen3.8-27B在50步GRPO后，20次全过的任务比例从7.5%升到21.1%，还开源了训练栈。这就是把评测变成RL信号的做法。
定制SLM词表：实际应用推理成本降77%
生产里的葡萄牙语评分模型，用VocabX按成本重训词表而非按频率，vLLM实测推理成本平均降77%，评分质量还从0.703升到0.810。
FairStress：对大模型决策公平性的更深入评测
新基准 FairStress 揭示：即使最终答案一致，模型面对不同人群时被说服放弃正确判断的难易程度也不对称，招聘、贷款、医疗等场景都会出现。
ALTK-Evolve：提示词级记忆登顶τ²-bench客服榜
把智能体自己跑过的轨迹提炼成提示词规则，用旧模型GPT-4.1就超过微调系统并登顶τ²-bench零售榜，全程不更新权重。可靠性、成本和速度的变化也都有实测数据。
Claude Code 团队如何做代码审查
Claude Code 团队近三个月写的代码九成由 AI 产出；合并 PR 数翻倍的同时，回滚比例下降四成以上。审查没取消，而是把大部分阅读交给了机器。
欢迎 Beam：501B 开源模型，可拥有、可定制、可扩展
Reflection 开源 501B MoE 模型 Beam，仅 23B 激活参数，支持 1M 上下文，附全套推理与后训练配方，架构细节和实测数据都在这里。
Muse Spark Open：Meta 开源多模态 MoE
Meta 开源 816B 参数的 MoE 模型 Muse Spark Open，仅激活 42B，支持图文音视频和 1M 上下文，附完整部署微调教程。
FLUX.3 Image Klein 登陆 Diffusers
FLUX.3 Image Klein 来了：一个模型搞定文生图、多参考图生图和框选布局控制，H100 上 2 秒出图，还有 LoRA 微调脚本。
有影响力的 GPU 集群调度
Ai2 用 GPU 时间预算和公平份额替代优先级抢占，调试任务 p90 等待从 2 小时降到 30 秒，维修人工干预减少 74%，集群占用率保持 98%。一个少见的调度系统实战复盘。