科技 · 日报 · 2026-08-05

科技 · 日报

本刊收录截至当日 24:00

今日信号集中在模型效率与领域适配的深层博弈：TACT以教学自适应重构后训练路径，ParVL则从计算分配侧应对多模态扩展瓶颈，而Anthropic组建芯片团队则指向软硬协同的底层优化——三股力量共同勾勒出AI从通用竞争转向精细化落地的图景。

模型发布/更新

TACT：面向教学自适应的英语辅导大模型后训练框架
T2arXiv AI/CL/LG（论文）
TACT提出了一个基于人类教学研究框架的ESL辅导大模型后训练与评估方案。该框架构建了包含13种教师回应策略和学生学习行为分类的两套互补分类体系，并基于260段真实师生对话构建了带有32,379条标注的TACTCorpus。通过监督微调和分类对齐的GRPO优化，研究者训练出TACTutor模型，在TACTBench上相较骨干模型提升20.30%，并超越所有评估的专有基线。盲测中50名学习者给予其最高综合评分。数据和模型已开源。
ParVL：多模态大模型的并行扩展与可分配计算框架
T2arXiv AI/CL/LG（论文）
现有大规模多模态模型的扩展策略通常只扩大模型参数或串行推理计算，导致高昂的显存或延迟开销，并且难以调整视觉Transformer与语言模型之间固定的计算分配。ParVL框架通过复用现有ViT和LLM骨干参数，在多个视觉与语言分支上并行扩展计算，并支持在固定骨干参数预算下灵活分配视觉与语言模态的计算资源。实验表明，ParVL在约130亿token上全参数微调后，整体性能优于同配置单分支基线，且最优视—语分配因任务而异。

Anthropic组建AI芯片设计团队，软硬件协同优化模型性能
T2TechCrunch：AI（RSS）
Anthropic宣布正在组建AI芯片设计团队，计划自研定制AI芯片。该公司表示将采用硬件与模型协同设计的方式，使Claude等模型运行更快、效率更高。此举标志着Anthropic在基础设施层面的战略布局，旨在降低对英伟达等外部芯片的依赖，并提升训练与推理性能。目前团队尚处于招募和早期组建阶段，具体芯片规格、代工合作及量产时间表尚未披露。