快讯事件 · 1 条来源
Jev-as-a-Judge 被用于提升 LLM 评判器可靠性
转发者称，Jev 作为评判器（Jev-as-a-Judge）可通过一致性提升 LLM 评判器的可靠性，使其适合用于评判器、验证器及持续监控场景。该表述为作者个人经验分享，未在正文中提供量化数据或独立验证结果。
全部来源
前后事件
相关事件
Tinker下调长上下文价格最高70%，GLM-5.3-Flash与DeepSeek-v4.1-Flash上线
Tinker表示已将效率提升带来的成本节约转为用户降价，长上下文RL相关价格下调最高70%，长上下文prefill与采样现价与短上下文相同；GLM-5.3-Flash和DeepSeek-v4.1-Flash也已上线，面向高性价比长上下文任务。发帖者omarsar0评论称，这将降低agentic RL中长rollout的token成本，使专门化模型更实用。
微软发布Microsoft-Decision-1，聚焦快速决策任务
Satya Nadella介绍，Microsoft-Decision-1面向快速决策，在结构化决策任务上表现领先，并在延迟和质量上超过其他LLM及决策模型；omarsar0表示会将其纳入评估，并称一致性与复杂决策仍是此类模型的短板。
OpenAI Codex测试版新增composer predictions功能，向Pro用户开放
OpenAI Developers宣布，Codex面向Pro用户测试composer predictions功能，可根据对话内容及用户沟通方式建议下一条消息。发帖者omarsar0表示，其自研agent编排器中已有类似的预测工具，并使用Haiku、Luna等较小模型。
StepFun推出Step 5 Preview，上线次日登顶OpenRouter热门榜首
Step 5 Preview发布次日登上OpenRouter Trending榜首，已接入Kilo Code、Cline、Hermes Agent和OpenCode。omarsar0实测称其能自我检查、任务完成后停止，适合长时间自主运行的工程任务；模型为600B总参数、每token激活27B的稀疏MoE，上下文窗口达1M tokens，开放权重将于10月15日放出。
Meta超级智能实验室提出"智能体可塑性"：按每美元学习收益衡量自我改进模型
Meta Superintelligence Labs的研究人员提出"agent plasticity"指标，在模型权重冻结、每次运行从全新上下文开始的条件下，衡量智能体在留出任务上每美元学习投入的得分增益。研究发现，表现最好的模型往往与学习效率最高的模型不同：在国际象棋、围棋和Hex中，Claude Fable 5取得最高最终得分，而GPT-5.6 Sol的单位美元增益最大；在NetHack中，仅Claude Opus 5.5显著提升66个归一化点，学习成本约1073美元。研究还发现，学习较慢的智能体常忽略自己已写下的产物，而学习更快的智能体会复用这些产物，但产物质量低时仍会失败。