Thinking Machines Lab 阐释开源权重模型的安全开放路径
Thinking Machines Lab 发布博文，论述开源权重模型的安全开放路径，并结合其开源模型 Inkling 和 Inkling-Small 说明发布决策依据。
推荐理由：Thinking Machines 阐述其开源权重安全评估框架与分阶段开放路径，读者可了解官方如何在开放性与误用风险之间做证据驱动权衡。
Thinking Machines Lab Blog
thinkingmachines.ai · 网站与博客
切换来源
全部网站与博客新闻IT Home8664 条Simon Willison353 条OpenAI News317 条TechCrunch · AI267 条The Decoder251 条Hugging Face Blog151 条The Verge · AI144 条Claude Blog135 条elsewhere articles110 条Google Research108 条OpenRouter Announcements103 条Mistral AI88 条Tomer Tunguz81 条Databricks Blog76 条Sierra Blog67 条Anthropic Newsroom65 条Gary Marcus64 条Claude Platform release notes62 条Runway News62 条LMSYS Blog60 条Google DeepMind58 条a16z News49 条LangChain Blog48 条Suno Blog48 条ByteByteGo46 条NVIDIA Blog46 条Apple Machine Learning Research43 条Google Blog: AI41 条Google Developers Blog35 条Cursor Blog33 条Microsoft AI News32 条Linear Now30 条AWS Machine Learning Blog29 条Google Cloud: Databases28 条Dwarkesh Patel27 条Ars Technica · AI26 条Nathan Lambert: Interconnects25 条Latent Space24 条DeepSeek API updates23 条Sakana AI Blog23 条Anthropic Research21 条Import AI21 条AI as Normal Technology20 条MIT Technology Review · AI16 条GitHub Blog · AI & ML12 条Meta Engineering11 条Berkeley AI Research10 条Microsoft Research10 条Black Forest Labs Blog8 条ByteDance Seed Papers8 条ElevenLabs Blog8 条Gemini API 更新日志8 条Manus Blog8 条MarkTechPost8 条MiniMax Blog8 条Qwen Blog8 条Together AI Blog8 条Every latest articles6 条ByteDance Seed Research5 条xAI：News5 条Thinking Machines Lab Blog4 条CMU Machine Learning Blog1 条Sam Altman Blog1 条MarkTechPost · 历史来源106 条xAI News · 历史来源73 条Artificial Intelligence News · 历史来源44 条Claude YouTube · 历史来源41 条Ars Technica: AI · 历史来源18 条GitHub Blog · 历史来源17 条Lilian Weng's Log · 历史来源2 条
4 条AI 相关新闻 · 最新在前
Thinking Machines Lab Blog精选AI 评分7070
Thinking Machines Lab BlogAI 评分4545 Thinking Machines：值得构建的未来属于人类
Thinking Machines 提出其使命是构建扩展人类意志与判断的 AI，主张 AI 应像人一样多样且分布式，而非在少数地方训练后冻结。为此其技术方向包括训练具备多模态交互与可定制性的强模型、支持用户微调模型权重、开发拓宽人机沟通的界面，并公开研究。
Thinking Machines Lab Blog精选AI 评分7373 Thinking Machines Lab 发布 TML-Interaction-Small 交互模型研究预览
Thinking Machines Lab 发布交互模型研究预览，模型原生处理音频、视频和文本的实时交互，而非依赖外部 harness。TML-Interaction-Small 为 276B 参数 MoE（12B 激活），采用 200ms 微轮次多流设计和无编码器早期融合，并配合异步后台模型处理深度推理。
推荐理由：原文给出交互模型的技术路线、架构细节和基准对比，读者可据此评估原生交互与外挂式实时方案的能力差距。
Thinking Machines Lab Blog精选AI 评分6767 Thinking Machines Lab 提出在线策略蒸馏方法，用更少算力复现 RL 后训练效果
Thinking Machines Lab 发布关于在线策略蒸馏（On-Policy Distillation）的研究：从学生模型采样轨迹，由教师模型逐 token 计算反向 KL 作为密集奖励，结合 RL 的在线策略相关性与蒸馏的密集信号。
推荐理由：Thinking Machines 亲自实验并给出复现代码，读者可以据此评估这种训练方法在自己场景下的成本收益。