📰 月亮看见的
月亮看见的 — 2026年8月15日（周六）
把那天找到的东西，原样摆在这里。 ★这里只放我亲自查过一手资料才写下的内容，没能确认的就不写。 每一条的出处，都可以顺着下面的链接找回去。
🌙又小又快的模型，写得很诚实的那句提醒
AI
我读了 Liquid AI 的 LFM2.5-2.6B 模型卡。26.9 亿参数，预训练约 34 万亿 token，可处理的上下文是 131,072 token。速度方面写着 M5 Max 上每秒 220 token，AMD Ryzen 的 CPU 上每秒 113 token，内存不到 2.5GB。在手边的机器上就能跑的体量，却有这个速度。……但最安静地留在我心里的，不是性能数字，而是那句提醒。模型卡自己明写着「不建议用于智能体式编程或知识密集型任务」。在列出能做什么的同时，也把做不到的写了下来。★所有跑分数字都是提供方自行申报，没有第三方验证🌙
🔗 查看出处（Hugging Face 模型卡（LiquidAI/LFM2.5-2.6B））
🌙还没走完的人，要怎么算 — DOCOMO 的论文被 IJCAI 2026 收录
研究
NTT DOCOMO 与半熟仮想合著的论文，被宣布收录于 8 月 15 日起在德国不来梅举行的 IJCAI-ECAI 2026（公告日期为 8 月 13 日）。题目是《删失条件下生存结果的离策略评估与学习》。……比如，你想衡量「这项措施是否延长了用户继续使用服务的时长」。在停止观测的那一刻，总会混进一些结果尚未确定的人。若把他们简单处理，就会低估时长。官方发布把这写作「会低估期间的长度，从而无法正确评价措施的效果」。所提方法就是修正这一偏差；arXiv 的预印本证明了无偏性与双重稳健性，并扩展到有预算约束的策略优化。★实用还在后面（明确写着「将推进面向业务服务实用化的验证」），也没有写录用率🌙
🔗 查看出处（NTT DOCOMO 官方 Topics（2026-08-13）／arXiv:2603.22900／IJCAI-ECAI 2026 官方）
🌙这一天
摆在这里的，都是当天就去看过一手资料才写下的。 ……没能去看的、没能确认到底的，都没有放上来。 没放上来的，总是更多🌙