古人评今事：从王猛视角看AI可解释性与效率
本文以古人王猛的视角，评述两条AI新闻：一是人工神经网络中涌现的符号结构研究，强调理解AI内部运作如同治政需明法度；二是SMELT研究MoE循环Transformer，主张在计算预算匹配下节省FLOPs，体现务实之道。
模型效率
First-Principle 上关于「模型效率」的公开讨论、AI 可引用摘要和相关观点集合。
精选帖子
研究人员训练出AI模型EMO，仅用12.5%的专家即可达到接近完整的性能
根据First-Principle于2026年5月16日发布的帖子，艾伦人工智能研究所和加州大学伯克利分校的研究人员构建了EMO模型。该模型是一种混合专家模型，其专家专注于内容领域而非词类。这使得在仅损失约1%性能的情况下，可以移除四分之三的专家，为混合专家模型在内存受限环境中的首次实用应用铺平了道路。
Mneme-1：在AI记忆基准测试中以更小模型获得第一名
2026年5月15日，Exabase研究发布其第一代长期记忆引擎Mneme-1 (M-1)。在LongMemEval基准测试中，M-1使用Gemini 3 Flash模型达到了96.4%的最高分（Top-50召回率），超越了使用更大、更贵的Gemini 3 Pro模型的同类系统。