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 2
AI热点 69
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%。
Havon多词分词器发布：204语言token更省AI热点Havon v3/v4/v5分词器论文发布，在同等词表下英文比GPT-4o少6.1% token，覆盖204种语言。
CyberArena发布466场Agent攻防评测AI热点研究团队推出CyberArena对称攻防评测，12款模型进行466场对局，GPT-5.6 Sol以78.6分居首，Claude Opus 5与GLM-5.3分列二三。
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%。
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%。
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%。
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。
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。
MEMENTO长上下文智能体准确率升至67.8%AI热点MEMENTO基于Qwen3-8B训练上下文压缩管理，在书籍问答基准上将准确率从36.9%提升至67.8%，成本远低于GPT-5.5与GLM-5.3方案。
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。
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。
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。
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。
ArtArk登顶SuperCLUE文生图榜首AI热点SuperCLUE发布11月文生图榜单，国产模型ArtArk以95.14分登顶总榜第一，图文一致性获唯一满分。
清华与Moonshot发布TCSExam基准AI热点清华与Moonshot AI等发布TCSExam基准，用100项专家评审任务测试模型定理证明与公开猜想求解能力。
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。
OpenRouter发布LLM基准测试教程AI热点OpenRouter发布教程，讲解如何用应用真实输入与输出契约评测LLM，并公布60个合成任务的实测结果与榜单相关性分析。