EMNLP2025 | 揭开LLM训练数据中的中文污染真相，有比“您好”高2.6倍的token？

近年来，大型语言模型虽成功，但训练数据易混入不良内容。论文《Speculating LLMs' Chinese Training Data Pollution from Their Tokens》探索此问题，定义PoC Token，开发PoCDetect和PoCTrace工具，揭示LLMs训练数据污染情况。

40.9K Star 数据可视化神器！Json数据处理领域的“瑞士军刀”！

在数据驱动场景中，解析复杂嵌套JSON结构费时费力。GitHub上标星40.9K的开源工具JSONCrack，能将JSON数据可视化为交互式节点图，还有转换、格式化等功能，使用简单，应用场景广。

我做内容产品的逻辑

作者黄益贺分享做内容产品的逻辑，认为真正好的内容产品应是证明系统，以“AI产业链投资”产品为例，介绍其认知、工具、实操三层结构，称这玩法难复制，是AI时代内容产品原型。

Z-Image标准版开源：更具可塑性的图像生成全能基座

Z-Image标准版开源，它是为开发者准备的强大画板，解决了生成模型同质化问题。其保留完整权重，在微调、风格化上潜力大，采用创新架构，训练定位SFT阶段，有完整CFG支持，还提供完善工具链。

17岁高中生用AI解决数学界难题，陶哲轩、Jeff Dean点赞

17岁高中生 Enrique Barschkis 课间休息时解决埃尔德什第347号问题，引发热议获 Jeff Dean 盛赞。他在陶哲轩等人思路基础上完成证明，用 AI 工具将证明形式化，成果获数学社区认可，标志数学研究进入新阶段。

Skills火爆之后，我收集并整理了最近全网火爆的Skills，拿走不谢～～～

文章介绍 Agent Skills，称其是 AI 助理的「使用指南」，技能分浏览、加载、使用三阶段加载，有快且轻、跨平台、易分享等优势。还推荐多个优秀 skills 及相关工具网站，提醒从业务出发看待它。

AI Coding 的下半场，何去何从？

文章回顾AI Coding三年演进，指出2023年范式落地、2024年Coding Agent上位、2025年形态之争加速且CLI成主战场。分析项目“火爆”逻辑，提及市场数据背书，还探讨应用与模型关系及技术堆栈。

SimpleTIR：让大模型“边写代码边思考”不再崩溃

SimpleTIR可解决多轮工具调用中训练崩溃问题。作者指出崩溃原因是分布偏移、低概率token链式雪崩和梯度爆炸。它采用void turn过滤，掐断崩溃链路，训练稳定，还催生多样推理行为，且工程友好已开源。

苹果在WWDC提到的本地模型，这家公司把它提速了220倍

苹果在WWDC开放本地语言模型API，让iPhone等有了“AI大脑”，但开发者面临模型运行慢问题。国产团队面壁智能发布MiniCPM 4.0，端侧处理长文本提速惊人，从多层面创新实现，还补上推理框架缺口。

2025年4月17日消息，OpenAI 连发o3和o4 mini，o3为强大推理模型，o4-mini专为高效推理优化。它们能调用ChatGPT工具，可基于图像思考。OpenAI还开源本地代码智能体Codex CLI，兼容所有模型。