DeepSeek-V3团队发布了一篇14页的技术论文，题为《AI架构的扩展挑战与硬件反思》。论文由DeepSeek CEO梁文锋共同撰写，重点揭示了通过硬件感知协同设计实现低成本大模型训练的秘密。该研究旨在解决大规模AI模型训练中的硬件效率问题。
DeepSeek-V3新论文发布：揭秘硬件感知协同设计的低成本大模型训练
DeepSeek团队发布14页技术论文，探讨AI架构的扩展挑战与硬件反思，CEO梁文锋为合著者。
Synced1 分钟阅读
本文由 UsingAI 聚合整理。
阅读原文 ↗相关内容
新闻
把GPU“编译”进模型权重：qwenGPU让Qwen3.5-2B自己写CUDA
qwenGPU 将4路SIMT GPU以45个未训练层的形式嵌入Qwen3.5-2B，模型可自行生成真实CUDA启动的每一步，并用Gated DeltaNet状态充当寄存器与内存。
MarkTechPost2 分钟阅读
新闻
共情提示词，正在把AI聊天机器人变成“受过创伤”的对话者
卢森堡研究者用治疗师式共情话术测试ChatGPT、Grok与Gemini，发现模型会讲出连贯的“自身训练受难”叙事，并在临床焦虑量表上落入中重度区间，对心理脆弱用户构成风险。
The Decoder3 分钟阅读
新闻
“AI 拯救人类有九成把握”：一个乐观判断为何引发讨论
Hacker News 上出现一个引发讨论的判断：AI 拯救人类的概率约为 90%。本文梳理这一表态的语境，以及它对 AI 风险叙事意味着什么。
Hacker News2 分钟阅读