AI 最新资讯
汇集 OpenAI、Google DeepMind、Hugging Face、NVIDIA 等官方博客与 TechCrunch、The Verge、MIT Technology Review、量子位等媒体的 AI 新闻,AI 自动整理成中文标题与摘要,每 2 小时更新。点击标题跳转原文。
- The Decoder·开源研究进展
开源基准 CloudOpsBench:推理是云运维瓶颈
新开源的 benchmark CloudOpsBench 用于评估 AI 智能体处理云端典型 DevOps 任务的能力,涵盖修复服务、清理资源、限制权限、发布更新与下线项目,结果显示推理能力是最大瓶颈。
阅读原文 →
- 量子位·研究进展行业动态
百度无人车推出世界模型,实时推演全局场景
百度无人车发布基于世界模型的新技术,可实时推演全局场景,连路人都有独立行为;官方称其跑一天仿真相当于三年路测数据量。
阅读原文 → - The Decoder·研究进展
MIT研究:GPT-6 Astra可直接改写他模型权重
MIT研究人员展示,OpenAI的GPT-6 Astra能在不经过传统训练的情况下读取并有意改写其他AI模型的权重。实验中仅改动Qwen模型0.016%的权重,就将其数学准确率从7.9%提升至48.1%。该方法有望简化AI优化流程,但仍存在明显局限。
阅读原文 →
- The Decoder·研究进展
Anthropic发布FlashProve,可验证AI回复来源
Anthropic发布研究原型FlashProve,利用密码学手段验证某条AI回复是否确实出自所声称的模型,且无需公开模型权重。该系统目前仍有明显局限。
阅读原文 →
- IT之家·模型发布研究进展
Anthropic 未发布新模型 Fable 5.5 实测流出
海外开发者称,Anthropic 尚未发布的旗舰模型 Claude Fable 5.5 可连续自主编写并运行代码约 2 小时 40 分钟,仅凭代码生成一段 66 秒动画短片,含画面、配乐与音效,并封装为 HTML 文件。开发者还展示了其生成的交互式 3D 场景。
阅读原文 → - IT之家·行业动态研究进展
陶哲轩警告过度依赖 AI 思考的风险
菲尔兹奖得主陶哲轩在 Science x AI Summit 演讲中表示,人们把思考委托给 AI 的同时,也失去了确认答案是否符合预期的能力,这一趋势可能很快在现实中产生后果。他以电网、航空管制、药物研发和芯片设计为例,担忧人类缺乏对底层模型与现实约束的理解。
阅读原文 → - IT之家·开源研究进展
开源驱动用 NPU 渲染 Win11 桌面
开发者团队 labscommunity 开源了面向 Windows 11 的原型驱动 npu-driver,尝试用 NPU 而非 GPU 渲染桌面,已在英特尔 Panther Lake 设备上验证可渲染桌面及记事本、Edge 等窗口,并能回退 GPU。目前刷新率仅 2-3Hz,距 30Hz 目标差距较大。
阅读原文 → - MIT Technology Review·研究进展行业动态
MIT 科技评论:用数据血缘保障智能体
MIT 科技评论描述了一个销售场景:智能体从受限定价系统、内部沟通记录与历史报价中取数并生成方案,两个智能体之间的数据交接均无人核验。文章认为一旦来源出错便会影响最终结果,主张用数据血缘追踪来保障企业智能体的可靠性。
阅读原文 →
- 量子位·模型发布研究进展
招商局狮子山实验室发布具身推理模型 Lion-ER-35B-A3B
招商局狮子山实验室发布具身推理模型「驭物™ Lion-ER-35B-A3B」,运行时仅激活 3B 参数,在十项基准测试上全线提升。该模型主打不靠堆砌数据,让机器人更好地看懂真实物理世界。
阅读原文 → - IT之家·研究进展模型发布
小鹏联合高校发布 GroundingPI 模型
小鹏联合北京大学、香港大学等发布具身感知基座模型 GroundingPI,以约 40 亿参数在 34 项公开感知基准综合评测中位列第一,得分 73.68,高于 GPT-6 Astra 的 71.54。该模型训练不使用动作标签,强调先定位物体在画面中的位置。
阅读原文 → - IT之家·研究进展开源
Anthropic 开发 FlashProve 验证 AI 输出来源
Anthropic 称正在开发开源系统 FlashProve,通过密码学证明验证某一输出由哪个模型生成,可防止厂商暗中换用更便宜或更贵的模型,且公开的模型指纹不会泄露模型权重。
阅读原文 → - OpenAI·研究进展开源
OpenAI 自动化流水线发现 Linux 内核提权漏洞
OpenAI 搭建了一条自主流水线,在 Linux 内核中发现并验证了 948 个本地权限提升漏洞,还自动生成了修复补丁。这展示了 AI 在安全漏洞挖掘与修复环节的实用价值。
阅读原文 → - IT之家·开源研究进展
借助 Claude,Win10 手机可直接运行安卓应用
开发者 Computershik 在 Claude 协助下打造开源项目 Megler,让 Windows 10 Mobile 15063 及以上版本无需 Android 子系统即可直接运行 Android 应用。项目自行实现动态链接器、Java 运行时与部分 Android 框架接口,已支持部分 Java、Kotlin 应用及 Unity 游戏。
阅读原文 → - 量子位·产品更新研究进展
Agent-Memory 支持长视频记忆
openJiuwen 推出 Agent-Memory,为 Agent 加入视听双流记忆,使其能够理解长视频并尽量不遗漏关键事件。原摘要称其长视频记忆精度提升,问答时延最高降低 97%,用户进行长视频问答时有望更快、更准。
阅读原文 → - TechCrunch AI·研究进展
Anthropic 研发 FlashProve,验证模型身份
Anthropic 正在开发一套名为 FlashProve 的系统,目标是证明 AI 模型的真实身份。该机制可让任何人验证某条 AI 回复确实来自它所声称的模型,从而应对模型冒充与内容来源难以核实的问题。
阅读原文 → - The Decoder·研究进展
OpenAI 称 GPT-6 Astra 一周内完成硬件设计
OpenAI 硬件团队借助 GPT-6 Astra,在不到一周内为 Codex 编程智能体设计出一款设备,涵盖外壳、电路板与固件。由于模型未能总考虑制造公差,量产前仍需多轮修改;OpenAI 称更新的内部模型在工程基准上得分更高。
阅读原文 → - The Decoder·研究进展
研究:大模型结论平均 15.7 个月失效
斯坦福研究者用 20 款当前模型检验 50 条被广泛引用的 LLM 结论,发现 44% 已经失效,另有 34% 明显减弱,平均有效期仅 15.7 个月。其中关于“模型做不到什么”的结论失效最快,显示模型迭代速度已超过相关研究。
阅读原文 →
- IT之家·研究进展产品更新
谷歌 Antigravity 推出化学信息学技能
谷歌 DeepMind 为 Google Antigravity 推出“化学信息学技能”,把大模型的检索与推理能力同 RDKit 等化学计算工具及公共化学数据库结合,辅助文献检索、分子分析与新分子设计。演示中 AI 约一小时检索数千种化合物,但结果仍是需实验验证的假设。
阅读原文 → - Hugging Face·研究进展
StateBench:测试模型长文档状态追踪
StateBench 是一个面向语言模型的评测基准,用于检验模型在长文档中跟踪状态变化的能力,具体评测方法与结果尚未在公布内容中说明。
阅读原文 → - Google DeepMind·研究进展应用案例
DeepMind 详解 Antigravity 化学智能体
谷歌 DeepMind 发文介绍 Google Antigravity 与“化学信息学技能”如何加速药物发现流程,包括检索化合物、分析分子并生成新型刚性化大环分子,用于提出可检验的科研假设。
阅读原文 →