热点事件持续更新
Bongard：训练机器直觉的开源权重模型
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月1日，arXiv cs.CL 分类下出现一篇论文，研究者推出开源权重模型 Bongard，主张将机器直觉作为可独立设计和训练的能力。该模型基于 T5Gemma 2 4B-4B 编码器-解码器架构，将证据读取与判断过程分离。训练分为三个阶段，每个阶段在单张 Blackwell GPU 上更新全部 7.09 billion 可训练参数。论文报告称，联合嵌入后训练将改写集准确率从 75.7% 提升至 85.9%，沙盒阶段将冻结面板准确率从 50.6% 提升至 64.8%。目前该事件仅有这一篇报道，尚无其他来源的独立验证或后续进展。
AI 根据报道生成 · 2 小时前更新
最新进展10月1日 12:00
研究者发布开源权重模型 Bongard，称可独立训练机器直觉并公布三阶段训练结果。报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- arXiv：cs.CL（计算语言学，全量分类）Bongard：训练机器直觉，一个开源 System One 模型
研究者推出开源权重模型 Bongard，将机器直觉作为可独立设计和训练的能力，用 T5Gemma 2 4B-4B 编码器-解码器分离证据读取与判断。训练分三阶段，每阶段在单张 Blackwell GPU 上更新全部 7.09 billion 可训练参数，联合嵌入后训练将改写集准确率从 75.7% 提升至 85.9%，沙盒阶段将冻结面板准确率从 50.6% 提升至 64.8%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。