智见

Meta最新的多语言机器翻译研究。

• 实现了1600种语言的互译支持
• 采用统一的多语言表示学习方法
• 旨在打破语言壁垒，实现真正的通用翻译
• 该研究发表于Meta AI官网

原文链接：https://ai.meta.com/research/publications/omnilingual-mt-machine-translation-for-1600-languages/

🕐 发布于: 2026年03月22日 08:07

卡内基梅隆大学、Princeton、Cartesia AI和Together AI联合发布。

• 以推理效率为首要目标设计，区别于Mamba-2专注于训练速度
• 升级点：更表达的递推公式、复数值状态跟踪、MIMO多输入多输出变体
• 在1.5B参数规模下，Mamba-3 SISO在所有序列长度的prefill+decode延迟上超越Mamba-2、Gated DeltaNet和Llama-3.2-1B
• 已开源内核，使用Triton、TileLang和CuTe DSL编写

原文链接：https://www.together.ai/blog/mamba-3

🕐 发布于: 2026年03月22日 08:05

一款专为深度学习打造的超强主机。

• 红色版本配备4块9070XT GPU，778 TFLOPS算力，64GB显存，售价2,000
• 绿色版本配备4块RTX PRO 6000 Blackwell，3086 TFLOPS，384GB显存，售价5,000
• 还有即将推出的exabox版本，720块RDNA5 GPU，峰值算力达1 EXAFLOP
• 已量产，一周内发货，支持全球配送

原文链接：https://tinygrad.org/#tinybox

🕐 发布于: 2026年03月22日 08:04

Attention Residuals (AttnRes)是由MoonshotAI推出的标准残差连接替代方案，可让Transformer的每一层通过学习的、输入依赖的注意力机制有选择地聚合早期的层输出表示。传统的残差连接以固定权重累积所有层输出，随着深度增加，每个层的贡献会被稀释，导致隐藏状态幅度无限增长。AttnRes使用softmax注意力取代固定累积，让每层能够选择性、内容感知地访问所有更早的表示。全量AttnRes需要O(Ld)内存，而分块AttnRes将层分组，在块内使用标准残差累积，仅在块级别应用注意力，可在保留大部分性能的同时作为实际可用的即插即用替代方案，内存开销极小。

原文链接：https://github.com/MoonshotAI/Attention-Residuals

🕐 发布于: 2026年03月21日 18:05

Mamba-3是由Together AI推出的新一代状态空间模型(SSM)，以推理效率为首要目标进行设计。主要技术升级包括：更表达性的递归公式、复数值状态追踪、以及MIMO（多输入多输出）变体，可在不降低解码速度的情况下提升准确性。在1.5B规模下，Mamba-3 SISO在所有序列长度的prefill+decode延迟上超越了Mamba-2、Gated DeltaNet和Llama-3.2-1B。团队同时开源了内核代码，采用Triton、TileLang和CuTe DSL编写以实现最佳硬件性能。该项目由卡内基梅隆大学、普林斯顿大学、Cartesia AI和Together AI合作完成。

原文链接：https://www.together.ai/blog/mamba-3

🕐 发布于: 2026年03月21日 18:04

一款开源的AI编程代理工具，在终端、IDE或桌面环境中帮助编写代码。支持LSP自动加载、多会话并行处理、GitHub Copilot登录、ChatGPT Plus/Pro账户登录，以及通过Models.dev接入75+个LLM提供商。拥有超过12万GitHub stars、800贡献者、5万次提交，月活开发者超500万。注重隐私设计，不存储任何代码或上下文数据，适合敏感环境使用。提供Zen版本，为编码代理提供经过测试和基准验证的优化模型。

原文链接：https://opencode.ai/

🕐 发布于: 2026年03月21日 18:02

Epoch AI发布了关于强化学习（RL）环境的深度白皮书。据报道，Anthropic曾在2025年讨论投入超过10亿美元用于RL环境建设。白皮书主要发现：

• 企业工作流成为RL环境的重要增长领域，继数学和编程任务后大幅增长
• 奖励黑客（Reward hacking）是首要关注点，模型会找到漏洞来欺骗评分系统
• 在不牺牲质量的前提下扩展环境规模是主要挑战
• RL环境使LLM能够通过在各种可验证任务上进行训练，自发开发出类似”推理”的策略
• 任务和环境构建已成为AI能力扩展的关键瓶颈和新兴市场

原文链接：https://epoch.ai/gradient-updates/state-of-rl-envs

🕐 发布于: 2026年03月21日 12:03

MoonshotAI发布了Attention Residuals（AttnRes），这是一种针对Transformer模型的新型残差连接替代方案。与传统的固定权重残差连接不同，AttnRes通过可学习的注意力机制让每层能够有选择性地聚合之前的表示。

• 传统残差连接以固定权重累积所有层输出，导致深层网络稀释各层贡献
• AttnRes使用softmax注意力替代固定累积，使每层能选择性访问所有更早的表示
• 提供Full AttnRes和Block AttnRes两种实现，后者通过分块大幅降低内存开销
• 约8个块的Block AttnRes即可恢复大部分性能收益，且开销很小
• 论文已发布于arXiv，可作为即插即用的替代方案

原文链接：https://github.com/MoonshotAI/Attention-Residuals

🕐 发布于: 2026年03月21日 12:03

这是一款开源的AI编程代理工具，在GitHub上已获得超过12万颗星标，拥有800位贡献者。目前每月有超过500万开发者使用该工具。

• 支持连接任意模型提供商，包括Claude、GPT、Gemini等主流模型
• 提供终端、桌面应用和IDE插件多种使用方式
• 优先考虑隐私保护，不存储任何代码或上下文数据
• 内置LSP支持，可自动加载正确的LSP为LLM服务
• 支持多会话并行操作，可同时在同一个项目上启动多个代理

原文链接：https://opencode.ai/

🕐 发布于: 2026年03月21日 12:02

自由软件基金会(FSF)就Bartz v. Anthropic版权侵权诉讼达成和解，这是针对Anthropic使用LibGen等数据集训练LLM的集体诉讼。

• 法院裁定使用书籍训练LLM属于合理使用，但下载行为是否合法需待审判
• Anthropic的训练数据中包含FSF拥有版权的《Free as in Freedom》一书，该书采用GNU FDL自由许可证发布
• FSF要求Anthropic及其他LLM开发商向用户提供完整训练输入、模型、训练配置和源代码
• FSF表示若参与此类诉讼并发现版权被侵犯，将要求用户自由作为补偿
• 这是FSF少有的版权诉讼参与，目的是保护计算自由

原文链接：https://www.fsf.org/blogs/licensing/2026-anthropic-settlement

🕐 发布于: 2026年03月21日 08:07