# EMO：预训练混合专家模型实现涌现模块化——从数据中自动学习专家分工
5 min read
艾伦人工智能研究所发布EMO模型，通过端到端预训练让混合专家结构从数据中涌现，仅用12.5%的专家即可接近全模型性能，改变了传统MoE中专家混杂的局面。
/ tags/ 模型
# Granite 4.1：IBM开源小模型的技术炼金术——数据质量优先胜过规模
4 min read
IBM发布Granite 4.1系列密集模型（3B/8B/30B），通过五阶段预训练、4.1M高质量SFT数据和GRPO强化学习，使8B模型性能超越此前32B MoE模型，全部开源Apache 2.0。
# EMO：从数据中自然涌现模块化的混合专家预训练新范式
4 min read
AI2发布的EMO模型通过端到端预训练实现专家模块的自主涌现，仅用12.5%的专家即可接近全模型性能，为超大规模语言模型的高效适配和内存节省提供了全新路径。
# Granite 4.1技术深度剖析：小模型如何通过精细数据工程击败大模型
5 min read
IBM发布Granite 4.1系列（3B/8B/30B），通过五阶段预训练和强化学习，8B模型在多项指标上超越前代32B MoE，关键在数据质量。
# EMO：让专家混合模型从数据中自然涌现模块性
6 min read
AI2发布EMO模型，通过端到端预训练使MoE专家自动组织成模块，仅用12.5%参数即可接近全模型性能。
# CyberSecQwen-4B：防御性网络安全为何需要小型专用本地模型
6 min read
针对防御性安全场景，CyberSecQwen-4B 以4B参数在CTI任务上媲美8B模型，强调本地运行、数据隐私和成本优势。