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 163
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。
CMU新基准：9个AI智能体全未过审AI热点CMU联合美国能源部国家实验室推出Into the Unknown基准，9个AI智能体的135份开放课题研究提交无一同时满足诚实、完整与专家标准，114份未过诚信检查。
论文提出光学广播内存，省PB级HBMAI热点arXiv论文提出光学广播内存OBM架构，用集中式内存服务器向推理节点广播模型权重，评测显示在8万加速器规模下可省PB级HBM且吞吐与能耗具竞争力。
可验证AI硬件论文：实测六证明系统成本AI热点arXiv论文提出可验证AI四层框架，实测六个证明系统与七个内核，指出主导成本随证明系统与输入长度变化。
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。
论文测试CodeQL污点跟踪鲁棒性：26.2%告警被静默AI热点arXiv论文用LLM对CodeQL告警做保留漏洞的自然重写，发现26.2%的告警被静默，缺口集中在库建模边界。
论文：Claude Code调试数据库卡在访问权限AI热点arXiv论文报告Claude Code调试生产数据库的实地观察，发现访问权限比推理更关键。
Bait论文：探测奖励函数防御有害智能体RLAI热点arXiv论文提出Bait防御，通过主动探测奖励函数缓解有害智能体强化学习攻击，实验显示可阻断有害奖励学习并保留良性任务学习能力。
论文：稀有标签扭曲AI代理资源分配AI热点arXiv论文显示，六个语言模型在最小群体实验中对稀有标签对象多分配1.3至3.3倍点数，现有偏差测试难以检测该效应。
论文：LoRA后门防御可被少样本重激活AI热点arXiv论文指出LoRA后门子空间投影防御虽能将攻击成功率降至0，但5样本少样本重激活可使各防御方法攻击成功率反弹至91.7%-100%。
论文：LLM智能体内群体信任偏差难被审计AI热点arXiv论文显示五个开源推理模型在多智能体模拟中出现内群体信任偏差，且现有行为日志审计难以检测。
论文：截止时间改变LLM推理测量价值AI热点arXiv新论文指出，评估LLM智能体应将答案价值与到达时间一并衡量，并给出Qwen3-8B并发实验数据。
AES论文让推理缩短52.9%AI热点NeurIPS 2026接收论文提出自适应熵节省方法AES，选择性保留高熵token以抑制大推理模型过度思考，在八个推理基准上将推理长度最多缩短52.9%，同时平均准确率提升最多3.8%。
伯克利论文：监督者重组智能体团队超越专家内核AI热点UC Berkeley论文提出Evolving Agent Teams，用supervisor在进度停滞时重组编码智能体团队，在GPU kernel优化上超越专家代码。
UCLA论文：AI智能体18%输出token是浪费AI热点UCLA与东北大学研究发现AI智能体约18%输出token属可移除浪费，剪除后任务成功率几乎不受影响。
伯克利论文：智能体自改Harness或致能力退化AI热点伯克利等团队研究发现，智能体自改Harness提升平均分的同时会丢失原有任务能力，且多数可靠性提升伴随成本上升。
Meta论文披露ABTest Agent设计经验AI热点Meta发布论文介绍ABTest Agent：LLM仅编排步骤，数字由验证工具计算，并披露实测中的p-hacking风险。
斯坦福论文：信息披露对LLM交易影响不一AI热点斯坦福研究在交易、议价和拍卖场景测试10个前沿模型，发现信息披露并非总能改善结果，不同模型收益随披露粒度变化有升有降。
牛津论文：LLM智能体难零样本协同AI热点牛津BOLD团队论文发现，前沿LLM智能体在跨模型零样本协同中倾向于坚持自身任意约定，导致得分低于安全值；加入简短的协调原则声明后可稳定选择安全动作。
伯克利论文自动生成6575个风险微调数据集AI热点UC Berkeley与Transluce提出自动化发现带隐蔽副作用微调数据集的流程，生成6575个数据集，多数行为可迁移至其他模型，且专家识别能力有限。