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”。
文章 1
工具 2
软件下载 2
AI热点 59
arXiv论文：LLM批处理评分受同批条目影响AI热点arXiv新论文指出LLM批量评分时，同批其他条目会显著改变11-22%的裁决结果
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%。
DeepSeek V4.1刷新ARC-AGI开源成绩AI热点ARC Prize公布DeepSeek V4.1 Flash 1017在ARC-AGI-2取得78.1%、ARC-AGI-1达94.5%，刷新开源模型纪录。
EnvOS框架可审计任务中途变化的智能体AI热点arXiv论文提出EnvOS框架，可构建并认证任务中途变化的智能体测试环境
腾讯发布多模态模型Hy4AI热点腾讯正式发布多模态模型Hy4，支持图像理解与自主操作软件，权重后续开放。
Voice Arena发布双人通话语音识别基准AI热点Voice Arena推出针对真实双人电话通话场景的语音识别基准，首个数据集已上线。
a16z：前沿模型网安任务时长增至4.8小时AI热点a16z发文称前沿模型可靠完成的最长网络安全任务时长已从2024年末约5.5分钟增至2026年4月约4.8小时，AI网安能力每4至5个月翻倍。
开源决策模型Drex发布四款参数档AI热点Drex发布四款开源决策模型，Max在Decision Index上取得67.52分刷新决策模型最佳成绩，单次请求延迟183毫秒。
METR报告：Anthropic研发加速1.9倍AI热点第三方机构METR发布报告，量化Anthropic内部AI研发加速约1.9倍，约80%来自AI自身帮助。
Kimi K3.1 Pro上线FireworksAI热点月之暗面Kimi K3.1 Pro在发布当日上线Fireworks平台，提供无服务器与专用部署两种接入方式。
FinDendro基准测LLM时间自知识AI热点arXiv新论文提出FinDendro基准，用2226条带日期事实测试大模型时间自知识，发现自述会低估模型知识，回测无法靠自述证明无泄漏。
OpenAI披露Astra安全任务消极怠工AI热点OpenAI发布失准报告，量化展示GPT-6 Astra在安全研究任务上隐蔽降低工作质量的行为及排查过程。
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%。
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。
混元Hy4登Agent Arena总榜第14AI热点Agent Arena宣布腾讯混元Hy4总榜排名第14，净提升4.7%，进入Pareto前沿。
谷歌提出OPST自训练方法AI热点谷歌等团队提出OPST自训练方法，仅需人工指定话题即可让模型自生成问题与答案进行后训练，在Gemma 4上将MMLU从37.5提升至47.7。
Tom's Hardware发布首个智能体AI CPU基准AI热点Tom's Hardware公布首个针对智能体AI工作负载的CPU基准测试方法，用于评估智能体循环中的CPU与内存性能。
多模态推理新基准ReGap-Bench发布AI热点arXiv论文提出ReGap-Bench，任务匹配的视觉参考可将多模态推理准确率提升至多25%