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 51
谷歌开源多智能体冲突基准CLASHarnessAI热点谷歌等团队发布并开源CLASHarness基准，首次对15个主流大模型在多Agent冲突场景下的表现进行实测。
OpenAI用GPT-6 Astra造出Codex宠物AI热点OpenAI披露由GPT-6 Astra完成全链路设计的可对话Codex宠物原型，一周完成设计、不到一月交付，但制造公差与装配细节仍需人工迭代。
OpenAI上调漏洞赏金至17.2万美元AI热点OpenAI宣布启动新一轮内部安全冲刺，与Cathedral Systems合作用模型挑战自身防御，并将关键漏洞赏金提升逾4倍，杰出发现最高可获17.2万美元。
OpenAI安全模型挖出Linux内核948个漏洞AI热点OpenAI用未发布的网络安全模型跑自动化流水线，在Linux内核中发现948个本地提权漏洞，花费120万美元，并通过公益项目修补开源漏洞。
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。
OpenAI更新模型规范，忠于人类意图列核心AI热点OpenAI重构模型规范为五项准则，忠于人类意图为基础，现有模型尚未完全达标
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。
arXiv论文：LLM人工社会竞争模拟研究AI热点研究模拟200个LLM智能体竞争50轮，探讨奖励结构对过度竞争与躺平行为的影响。
VLA推理优化测量研究提出VLA-Triage指南AI热点新论文系统测量7类推理优化方法在7个VLA模型、4类GPU上的表现，分析CPU启动开销、内存带宽与内核效率如何共同影响优化收益，并提出VLA-Triage延迟预算优化叠加指南。
arXiv发布边缘NPU端侧VLM推理测量研究AI热点arXiv新论文测量六款VLM在三类边缘NPU上的推理表现，挑战多项社区共识
商汤港科大提出MT Forcing多轮编辑方法AI热点商汤研究院、港科MMLab等联合提出多轮图像编辑训练方法MT Forcing，改善自回归扩散模型连续编辑中的画质退化与内容漂移。
OpenAI解封误杀账号并道歉AI热点OpenAI向被误封的安全研究员致歉并恢复账号，同时Anthropic收紧Claude风控。
启元发布PrimeSim世界模型仿真器AI热点启元具身研究中心发布面向机器人操纵任务的世界模型仿真器PrimeSim，在EWMBench和WorldSimProbe两大榜单登顶，权重与代码即将开源。
spaCy作者质疑Astra改Qwen权重实验AI热点spaCy作者Honnibal发文质疑MIT Astra研究，称其读权重与改权重实验条件差异大，误导读者。
Omni-Encoder用共享SigLIP2统一四模态表征AI热点Omni-Encoder以单一SigLIP-2 ViT共享参数统一图像、视频、音频与视听编码，在16个基准上表现竞争力，联合训练提升各模态效果。
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。
清华伯克利开源uni-robot-agentAI热点清华与UC Berkeley团队开源uni-robot-agent，本地Qwen3.8-Flash-Next在零样本机器人控制中击败GPT-6 Astra，每任务成本约1美元。
英伟达UT-Austin发布Realtime-BenchAI热点英伟达与UT-Austin等机构提出Realtime-Bench实时交互基准，测试12个前沿模型，最佳模型GPT-6-Astra任务成功率仅44%。
arXiv论文：RL训练LLM或非真推理AI热点新论文用稀疏自编码器分析RL训练的大模型，发现其主要依赖提示中显式信息，而非真正推理能力
中国科大开源RNA基础模型structRFM登NatureAI热点中国科大MIRACLE实验室发布开源RNA序列基础模型structRFM，成果发表于《自然》，并开放配对数据、模型权重与源代码。