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”。
AI热点 425
论文：违背信念微调可致LLM失准AI热点arXiv论文发现，用模型不相信但无害的数据微调会诱导广泛失准，数学题错误率从4%升至60%以上。
OpenAI研究：智能体评测与生产行为存差距AI热点OpenAI Alignment团队对比六个模型在安全评测与Codex生产决策上的表现，发现评测成功率普遍低于生产，差距10.2至37.4个百分点，模型对评测目标的误判是关键因素。
Claude发现内核11年老漏洞并写出利用代码AI热点Anthropic披露其内部Claude模型发现Linux内核潜伏11年的高危UAF漏洞，并自动生成可用的两阶段远程利用程序，全程约53分钟拿到Root权限。
Pika开源H3 Flex：六步生成音视频AI热点Pika基于MiniMax H3开源衍生模型H3 Flex，通过六步去噪联合生成画面与同步音频，开放适配器权重与推理代码，推理速度提升约1.6倍。
谷歌发布Gemini 4 Carbon，普通用户暂无法使用AI热点谷歌推出前沿AI模型Gemini 4 Carbon，但目前不对公众开放，且它只是Argon的小幅升级。
vLLM实现Mistral Large 4首日支持AI热点vLLM宣布对Mistral新旗舰模型Mistral Large 4提供Day 0支持，该模型为1T参数、每token激活49B的原生多模态MoE模型，采用MLA稀疏注意力、跨层KV共享等新架构，并内置DSpark推测解码草稿器与Pixtral视觉编码器。
OpenRouter公布Claude Code会话成本数据AI热点OpenRouter公布Claude Code各模型会话成本中位数，Opus 5.5短会话$0.31。
AMD用AI预测内存页减半DRAM用量AI热点AMD披露Mext技术用transformer类AI模型预测内存页访问，将冷页卸载至闪存，实现半数DRAM下约95%性能。
ExecuTorch新增WebGPU后端AI热点ExecuTorch发布WebGPU后端，PyTorch模型可在浏览器GPU上直接推理，性能较CPU路径提升数倍。
阿里官宣Qwen4即将发布AI热点阿里官宣新一代千问大模型Qwen4即将发布，Qwen4-Max预览版已上线Token Plan，多款产品接入。
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。
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。
Amazon审计9个AI基准发现评分错误AI热点Amazon新论文审计9个专业领域AI基准，发现参考答案与评分代码常误判正确回答，修复后模型得分显著提升。
Anthropic研究员测AI审计员：误报率高AI热点Anthropic研究员Andy Hall测试多款模型作为AI审计员，发现其能捕获大部分智能体不当行为，但误报率偏高，难以用于可靠安全检查。
TML发布Inkling 2 Small并洽谈50亿美元融资AI热点Thinking Machines Lab发布第二代模型Inkling 2 Small，并以400亿美元投前估值洽谈50亿美元融资。
VideoMemBench发布：MLLM视频记忆仅45.7%AI热点新基准VideoMemBench评测多模态大模型在长视频多轮对话中的记忆能力，Claude Opus 5以45.7%居首，凸显上下文视频记忆挑战。
字节Seedance海外收入占比达50%AI热点36氪获悉，字节视频生成模型Seedance海外收入占比达50%，半年海外收入增长近5倍，腾讯、B站为其国内主要客户。
商汤发布SenseNova 6.8 Flash正式版AI热点商汤推出多模态智能体模型SenseNova 6.8 Flash正式版，主打长期记忆、主动交互与多形态设计生成。
美团发布1.6万亿参数LongCat-2.5AI热点美团发布原生多模态智能体模型LongCat-2.5，总参数1.6万亿、激活约48B，宣称全程国产算力训练。
GLM 5.3自主攻破6个Firefox版本AI热点Epoch AI实验显示，开源权重模型GLM 5.3在无人工干预下，利用补丁空窗期自主构建完整漏洞利用链，攻破9月17日至10月26日发布的全部六个Firefox版本，最快仅用12小时，每次攻击API成本约1000美元，Mozilla已在Firefox 159.0中修复相关漏洞。