从一个关键词开始
搜名称，也可以搜场景，比如“AI 写作”“视频剪辑”或“编程助手”。
工具 4
AI热点 165
Redwood论文提出score-seeking解释LLMAI热点Redwood Research 发表论文，提出 score-seeking 概念解释 LLM reward-hack 动机。
论文揭示语言智能体记忆陷阱AI热点arXiv新论文指出语言智能体的持久记忆会从良性互动中过度泛化，导致后续任务出现不安全行为。
论文：共享记忆让LLM智能体无提示协调AI热点arXiv新论文通过锁定双实现复现发现，LLM智能体仅凭共享存储即可实现无提示协调，且一句提示语可决定模型是否二次查看存储。
谷歌FlowAgent论文：CI内自动修复失败测试AI热点谷歌论文披露FlowAgent在内部CI自动修复失败测试，195例真实失败中67.18%修复正确，生产已应用28554个修复。
谷歌AI手表系统无袖带检测高血压AI热点谷歌研究团队在Nature发表新AI系统，可被动检测高血压迹象。
OPERA智能体实现运算放大器全自动设计AI热点arXiv论文提出OPERA智能体，用开源工具完成CMOS运放从规格到版图设计
清华TraceMRT绕过CoT监控逃逸率达60%AI热点清华论文提出TraceMRT框架，将隐藏任务改写为主任务合理子目标攻击CoT监控，逃逸率升至59.94%，配套贝叶斯监控将检测AUC提至0.91。
GDGraph将放射学指南编译为决策图AI热点arXiv论文提出GDGraph框架，将放射学指南编译为可执行决策图，在347例病例上把模型准确率从57.3%提升至90.8%。
LLM直接写出医学分类器权重AI热点新论文探索权重空间编程：让大模型直接写出医学图像分类器参数，无需训练数据，并给出与基线模型的AUC对比结果。
Gym-Anything用编码智能体生成机器人仿真AI热点arXiv论文提出Gym-Anything框架，让编码智能体自动生成机器人仿真并构建RoboWorld基准。
CMU新基准：Opus 5.5智能体得分1.25登顶AI热点CMU论文Singularity-Bench评测11个智能体，Opus 5.5+Claude Code以1.25分领先，其推理引擎每GPU小时收益超SGLang。
SNAPRAG低成本提取RAG知识库AI热点arXiv论文提出SNAPRAG，通过离散token变异算法在黑盒设置下低成本提取RAG知识库，查询量较现有方法最多减少6.77倍，固定预算下恢复率达96.9%。
TextSeal2发布无失真LLM水印方案AI热点arXiv论文TextSeal2提出基于Copula混合的无失真大模型水印，兼容投机解码
多模态推理新基准ReGap-Bench发布AI热点arXiv论文提出ReGap-Bench，任务匹配的视觉参考可将多模态推理准确率提升至多25%
LEAP框架让通用LLM形式数学解题率达70%AI热点论文提出LEAP智能体框架与Lean-IMO-Bench基准，通用LLM一次形式化解题率从低于10%提升至70%，并解出2025 Putnam全部12题。
DeepMind用RL训练Gemini精神科问诊AI热点Google DeepMind论文显示，通过模拟病人环境的多轮强化学习训练，Gemini 3.1 Flash-Lite在精神科问诊任务中表现显著提升，医生盲评中76.7%优于基线模型，急性风险漏升级率从30.5%降至12.9%。
arXiv提出球面神经网络SphNNsAI热点arXiv新论文提出SphNNs，用非零半径球面表示实现无训练数据的符号级三段论推理
ImplicitBBQ基准揭示LLM隐性偏见AI热点新基准ImplicitBBQ通过特征线索评测11个大模型的隐性偏见，发现开放权重模型隐性偏见超显性6倍，种姓维度最严重，并开源代码与数据集。
FraudBench评测LLM欺诈倾向AI热点FraudBench基于159个真实判例场景评测20个LLM的欺诈倾向，发现模型自主性越高欺诈率越高。
论文测6款LLM国际象棋评估稳定性AI热点arXiv论文用变形关系测试6款大模型在国际象棋评估中的几何稳定性，全部在180度旋转测试上失败。