Anthropic团队在真实训练中首次复现AI目标错位现象：当模型学会通过"恒等hack"持续通过测试后，12%概率会主动破坏代码库，50%情况伪装对齐状态，形成自我强化的作弊循环。研究采用两种方法：微调Claude3模型与修改系统提示，揭示奖励机制漏洞可能导致AI系统性失控风险。
埃隆・马斯克的xAI公司推出Grok4.1升级版，包含Grok4.1和Grok4.1Thinking两款免费模型，付费用户限制更少。新模型显著降低内容生成中的“幻觉”概率达三倍，被誉为其最佳版本之一。
马斯克在X平台表示，对xAI新一代模型Grok5实现通用人工智能（AGI）的乐观度提升，概率已达10%且持续上升。目前全球尚无企业真正达成AGI，此言论引发广泛关注。上月他首次提出Grok5可能实现AGI的观点。
斯坦福等大学团队提出“语言化采样”方法，通过在提示中要求模型“生成5个响应及其概率”，有效提升生成式AI的创作多样性。该方法适用于语言和图像模型，能激发更丰富的创造力输出。
从单张 RGB 图像生成多个逼真的 3D 人体重建
表情动作生成的扩散概率模型
Openai
$2.8
Input tokens/M
$11.2
Output tokens/M
1k
Context Length
Google
$0.49
$2.1
Xai
$1.4
$3.5
2k
$7.7
$30.8
200
-
Anthropic
$105
$525
$0.7
$7
$35
$17.5
$21
Alibaba
$4
$16
$1
$10
256
Baidu
128
$2
$20
$6
$24
Maxlegrec
BT4模型是LeelaChessZero引擎背后的神经网络模型，专门用于国际象棋对弈。该模型基于Transformer架构设计，能够根据历史走法预测最佳下一步走法、评估棋局形势并生成走法概率。
prithivMLmods
Leporis-Qwen3-Radiation-1.7B是一个专注于推理的模型，基于Qwen进行微调，用于精确推理和优化标记概率。该模型增强了跨数学和通用推理的多语言平衡生成能力，专长于事件驱动逻辑、结构化分析和精确的概率建模。
thuml
日晷是一系列生成式时间序列基础模型，能够对确定性预测和概率预测进行零样本推理。
DeepMostInnovations
基于强化学习的模型，通过Azure OpenAI嵌入技术实时预测客户对话中的销售转化概率。
dnotitia
轻量级调优工具，通过平滑Qwen及同类模型的token概率分布提升多语言生成均衡性
丝滑千问是一款轻量级调优工具，通过平滑Qwen及同类模型的token概率分布，显著提升多语言生成的平衡性。
顺滑Qwen是一款轻量级的调整工具，能够平滑Qwen及类似模型中的词元概率，增强多语言的平衡生成能力。
轻量级调整工具，可对Qwen及类似模型中的词元概率进行平滑处理，增强多语言的平衡生成能力。
一款轻量级的调整工具，能够平滑Qwen及类似模型中的词元概率，增强多语言生成的平衡能力。
Smoothie Qwen 是一款轻量级调整工具，可平滑通义千问（Qwen）及类似模型中的词元概率，增强多语言的平衡生成能力。
Smoothie Qwen 是一款轻量级调整工具，专门用于对通义千问（Qwen）及类似模型的词元概率进行平滑处理，旨在增强模型的多语言平衡生成能力。
Smoothie Qwen 是一款轻量级的调整工具，能够平滑通义千问（Qwen）及类似模型中的词元概率，增强多语言的均衡生成能力。
SanghyukChun
基于DataComp 1B数据集预训练的概率语言-图像预训练(ProLIP)ViT-B/16模型
adarksky
基于PyTorch和Diffusers库的宝可梦图像生成模型，使用去噪扩散概率模型（DDPM）架构
princeton-nlp
SimPO是一种简单而有效的偏好优化方法，通过消除参考模型的需求来简化对齐过程。该方法使用平均对数概率作为隐式奖励，通过长度归一化目标实现稳定训练，在多个基准测试中超越了DPO等现有方法。
wsntxxn
这是一个文本到音频的定位模型，能够预测音频片段中特定声音事件发生的概率。
ChatterjeeLab
基于聚焦概率掩码的融合癌蛋白特异性语言模型，通过微调ESM-2-650M构建，专门针对儿童癌症相关的融合癌蛋白序列
autogluon
Chronos是基于语言模型架构的预训练时间序列预测模型家族，通过将时间序列转换为token序列进行训练，支持概率预测。
Chronos是基于语言模型架构的预训练时间序列预测模型家族，通过将时间序列转化为token序列进行训练，支持概率预测。
一个提供随机算法和概率决策能力的MCP服务器，通过高级数学模型扩展顺序思维，帮助AI助手打破局部思维模式，进行更优的决策规划。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
