北大 OmniEdu 开源 K-12 教学模型:4B/9B/27B 三档,教学类评测上 27B 版超过多款闭源模型
改进了什么:一般教育模型要么会解题、要么会辅导,OmniEdu 想让模型同时懂课程位置、诊断学生错在哪、再决定怎么教。靠什么:北大等团队把 100 多个教育资源和通用指令数据按「学科能力、课程定位、诊断推理、教学引导」四种能力重新组织,经过清洗、语义审计改写、质量打分和多样性筛选,得到约 7 万条样本、1596 万监督 token,在 Qwen3.5-4B/9B-Base 和 Qwen3.8-27B 上微调。效果:27B 版在 K12-Bench 上 EM 63.12%(基座 52.11%),EDUMATH 86.95%,并在 LongTutor 教学项拿到 3.02 的最高平均分。每档都有 BF16 和 FP8 权重,FP8 版下载体积小约四成,适合教育类企业私有化部署试用;许可证请以 Hugging Face 页面为准。
https://arxiv.org/abs/2609.23088Reposted. Will be removed on request. All rights belong to the original author.
More from this batch
Nvidia is investigating Jensen Huang’s relationship with a Chinese spy
Nvidia’s board has opened an independent investigation, overseen by independent directors and outside counsel, after reports that CEO Jensen…
Partnering with Hacktron to find vulnerabilities in OpenAI’s systems
OpenAI is partnering with Hacktron, an AI-agent security firm it met through its bug bounty program, to jointly test high-priority areas, es…
DeepMind:人类引导的 AI 智能体在几周内找到老式 1024 位 RSA 的两处新弱点,RSA-2048 不受影响
改进了什么:DeepMind 科学团队 11 月 6 日发布两篇密码分析工作论文,由 Dj Dvijotham、Abhradeep Thakurta 牵头,Nadia Heninger 和 Emmanuel Thomé 参与。第一篇讲签名伪造:攻击者能控制约一半以上签名块时,PK…
Kakao 开源决策模型 Kanana-2-v-decide:看图看文后直接输出概率、选项和分数,给智能体做路由判断
韩国 Kakao 11 月 6 日在 Hugging Face 开源多模态决策模型 Kanana-2-v-decide,基于 Kanana-2-v-3b。和生成式模型用句子回答不同,它把判断结果以概率、选择、分数等结构化形式输出,服务可以直接拿来用,比如客户发来破损商品照片和换货…
Kortix CompanyOS:面向公司的云原生智能体外壳,事件触发、每个会话一台云电脑、成群智能体并行干活
Kortix 把项目定位为「公司操作系统」:你在开源智能体外壳 pi 上写自定义智能体,放进一个 git 仓库,Kortix 负责部署到云端并补齐单个会话做不到的部分。每个会话有自己的云电脑,空闲 15 到 20 分钟后休眠,有新消息或事件再带着完整历史唤醒;定时任务、签名 we…
Garry Tan 开源评测 7 套编码外壳:同样 20 个任务通过率都在 71%–79%,真正拉开差距的是成本和速度
YC 总裁 Garry Tan 11 月 8 日贴出自己做的开源外壳评测初步结果:Opus 上的 Claude Code、OpenClaw、Hermes、QM,以及 Sol 上的 Codex、OpenClaw、Hermes,跑同样 20 个编码任务,通过率都在 71% 到 79%…
OpenAI Developers 只发了一个词「Tomorrow.」,配一段 16 秒视频,社区普遍猜是 GPT-6.2 要来
OpenAI 开发者官方账号北京时间 11 月 9 日凌晨 4 点发帖,正文只有「Tomorrow.」加一段短视频,几小时内约 7400 赞、46 万次展示。官方没说要发布什么;X 上的讨论把它和近几天「有用户被路由到 GPT-6.2 Sol」的测试传闻联系起来,猜测是 GPT-…
Research: parse_number() as a SQLite extension: C vs Rust
Simon Willison had Claude (Opus 5.5) build a parse_number() SQLite extension in C and Rust. Rust was faster at first thanks to a quicker flo…
How I'm fighting the AI Brain Fry
Juggling many Claude Code or Codex threads exhausts focus. Sergey Kuhne keeps tickets as markdown files in git, lets an agent work the board…
斯坦福 CS146S 第二轮怎么教「AI 原生工程」:作业能被一句提示做完,于是改成给开源项目提补丁、让维护者审
Latent Space 为 AI Engineer 频道破百万订阅做的特辑,swyx 采访在斯坦福教 The Modern Software Developer、同时在 Monaco 负责 AI 的 Mihail Eric。他说第一年的九个作业现在学生基本一句提示就能完成,所以…
知乎热议:黄仁勋在内部信中承认婚外情并道歉,表示继续担任 CEO
知乎热榜问题汇总了事件经过:11 月 8 日黄仁勋在致全体员工的信中承认对婚姻不忠,向家人、同事、董事会、合作伙伴和股东道歉,称会继续担任 CEO 并配合董事会的独立调查;此前《金融时报》《纽约时报》报道,美国政府怀疑新加坡 Megaspeed 前高管 Alice Huang 与…
知乎热议:苏州大学大三学生在宿舍做 AI 漫剧,不到一年营收超 300 万,普通人能复制吗
问题源自媒体报道:苏州大学机械电子工程专业大三学生肖天乐带团队用 AI 制作了数百部漫剧,其中一部爆款播放 15 亿次、单剧创收 200 多万元,不到一年总营收超过 300 万。知乎上的讨论集中在真实利润、平台分成和投流成本、AI 漫剧的生产流程,以及这类内容的红利还能持续多久。…