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 54
OpenAI用自动化红队提升GPT-6鲁棒性AI热点OpenAI公布用自动化红队生成对抗数据训练GPT-6 Astra和Sol,提升其在网络、生物等高风险领域的模糊鲁棒性。
大晓机器人落地酒店洗衣场景AI热点大晓机器人推出酒店洗衣具身方案,采用世界模型与Astra双脑协同架构,任务耗时从30多分钟降至18.6秒。
OpenAI发布LifeVal日常任务基准AI热点OpenAI发布LifeVal基准,测试AI完成日常事务能力,GPT-6 Astra得分80.6%。
NovaSilicon两篇论文:自研Agent超GPT-6AI热点NovaSilicon发布两篇论文,其基于CDK的自研Agent在模拟版图与floorplan评测中均分超过GPT-6 Astra。
Deepnote评测12模型:OpenAI包揽前二AI热点Deepnote发布Agent Initiative Benchmark,12个模型在Slack虚拟公司场景中比拼判断力与性价比,OpenAI GPT-6 Astra与Sol包揽前二。
Visual Cipher Bench评测8个模型视觉推理AI热点新基准Visual Cipher Bench用40个视觉谜题评测8个前沿模型,最强的GPT-6 Astra准确率仅26.7%,提供机制提示后可大幅提升。
阿里等发布Co-Design Bench编码基准AI热点阿里与亚洲高校研究者发布Co-Design Bench,基于真实用户修改请求测试编码智能体,最佳模型GPT-6 Astra仅26.4%任务完全正确。
OpenAI发布湿实验基准BioBasicsBenchAI热点OpenAI联合Ligo推出BioBasicsBench,含100项湿实验任务,评测AI智能体解析原始实验数据能力,GPT-6 Astra得分66.7%。
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%。
两大旗舰模型提前曝光,疯狂11月要来了AI热点Anthropic与OpenAI接连传出新模型线索,Claude Fable 5.5、GPT-6.2 Astra相继现身,11月或迎旗舰集中更新。
无界前沿开源生物信息模型Fx-Bio-1031AI热点无界前沿开源生物信息大模型Fx-Bio-1031,开放完整权重,在BioMysteryBench困难子集取得70.59% Pass@5,超越GPT-6-Astra与Claude Opus-5。
姚期智杨植麟联合发布TCSExam科研评测AI热点姚期智与杨植麟等联合提出TCSExam,用100项理论计算机科学科研任务评测AI科研能力,GPT-6 Astra完成14项研究级定理并把有限域矩阵猜想从8维推进到9维。
李曼玲团队提出具身首考EFE基准AI热点李曼玲联合李飞飞等提出具身首考EFE基准,评测coding agent控制机器人的能力,GPT-6 Astra标准设置成功率为33.6%。
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。
小鹏联合北大港大发布GroundingPI模型AI热点小鹏联合北大、港大等发布具身感知基座模型GroundingPI,约40亿参数,34项感知基准综合评测第一,对比GPT-6 Astra得分73.68对71.54。
LiberAI发布世界动作模型Liber-0AI热点LiberAI发布基于超220万小时人类经验数据预训练的世界动作模型Liber-0,真机测试中在GPT-6生成的60项任务上取得36%成功率,显著高于对照的GPT-6 Astra。
清华伯克利开源机器人Agent HarnessAI热点清华、伯克利团队提出uni-robot-agent统一机器人Agent harness,开源模型在RoboDojo取得31.39分,超GPT-6 Astra的28.97分,真机取得53.50分。
论文测20家LLM中转:计费与权限存风险AI热点arXiv论文测试20家LLM API中转服务,发现行为差异、工具权限违规与计费token虚高问题。
OpenAI分析:思维链透明度流失是权衡结果AI热点OpenAI安全团队分析前沿模型思维链透明度下降的四个训练环节,指出这是能力与算力权衡的结果,可通过设计改变。
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。