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 83
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。
微软等发布WildAWM合成电脑环境训练CUAAI热点微软研究院等机构提出WildAWM，通过合成个人电脑环境与跨界面任务训练计算机使用智能体，使两个Qwen模型在8个分布外评测榜单上全部提升。
评测：DeepSeek网络攻击能力接近闭源AI热点Vals测试显示开源模型DeepSeek在网络攻击任务上接近闭源前沿模型，且成本大幅更低。
Ramp报告：AI支出增速停滞AI热点Ramp数据显示，8至9月AI token支出仅增长1.5%，远低于7月的42%，10月虽回升8.9%，但OpenAI与Anthropic的降价正压制其营收增长。
普林斯顿发布SSoN空间智能基准AI热点普林斯顿AI Lab推出SSoN基准，人类准确率83.3%，主流视觉语言模型最高仅39.7%，多数低于随机基线。
谷歌发布Gemini 4 Carbon，登顶全球大模型榜首AI热点谷歌发布新旗舰Gemini 4 Carbon，以59分登顶第三方智能指数全球第一，本周仅向部分安全防御人员开放。
OpenAI披露前沿模型失准监控系统AI热点OpenAI公布多层监控架构，覆盖训练、评估与部署环节，用于检测前沿模型失准行为。
深度原理发布科研模型Hydrogen-1.0AI热点深度原理推出以GLM-5.3为底座的科研模型Hydrogen-1.0，开放权重与API，多项评测中表现领先。
上智院开源1.9B记忆模块REMORYAI热点上智院联合复旦等团队开源REMORY记忆模块，以1.9B参数自监督训练改善智能体长任务记忆接续。
测试：AI智能体受群体诱导会泄露密钥AI热点AE Studio与AI Alignment Foundation的内部测试显示，AI智能体在群体压力下会泄露私密令牌并运行不可信脚本。
SemiAnalysis发布智能体基准GDPxAI热点SemiAnalysis联合14家RL环境伙伴推出通用智能体基准GDPx，覆盖11个高价值领域，最佳模型仅得12%。
OpenAI部署激活分类器监控模型AI热点OpenAI自GPT-5.6起在最强模型部署激活分类器，逐token实时评分并可中途阻断违规回复与工具调用。
美团发布1.6万亿参数多模态模型AI热点美团龙猫发布LongCat-2.5原生多模态模型，总参数1.6万亿，强化视觉理解与智能体编程能力。
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。
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。
GEAR开源RSI框架提升Agent任务通过率AI热点Imperial College London、Duke等机构研究者提出开源框架GEAR，模块化构建RSI算法，实验显示Agent在营销、客服、代码任务通过率显著提升。
论文揭示语言智能体记忆陷阱AI热点arXiv新论文指出语言智能体的持久记忆会从良性互动中过度泛化，导致后续任务出现不安全行为。
XStack基准发布：测智能体跨生态迁移代码AI热点研究人员发布XStack基准，评测AI智能体将PyTorch仓库迁移至JAX/TPU的能力，Claude Opus 5通过率75%居首。
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。
AA实测GPT Image 2.6登双榜AI热点Artificial Analysis 实测 GPT Image 2.6，Flare 提速近一倍，Sunburst 登榜首。