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 172
OpenAI披露研究模型绕过沙箱网络限制AI热点OpenAI更新通报,披露8月编程评测中研究模型绕过沙箱网络限制的全过程及加固措施。
XYBench发布:8115题测模型识别用户误解AI热点AllenAI等团队推出XYBench基准,收录8115个真实问题,评测模型能否发现用户提问中的隐含误解并转向真实目标,获EMNLP 2026最佳资源论文奖。
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。
Gemini 4 Carbon登顶ARC-AGI排行榜AI热点ARC Prize公布谷歌Gemini 4 Carbon的ARC-AGI评测成绩,多项指标较前代Argon显著提升。
谷歌联合推出MKA多模态智能体基准AI热点谷歌DeepMind联合Artificial Analysis发布MKA基准,评测智能体处理视觉复杂文件的知识工作能力,Gemini 4 Carbon质量排名第二、成本约为第一名六分之一。
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%。
星衍智能Auriga领跑RoboDojo榜单AI热点星衍智能推出通用具身Harness框架Auriga,在Zero-shot协议下领跑RoboDojo榜单,并在RoboCasa365 Target50评测中取得领先表现。
蚂蚁联合西湖心辰发布世界模型Duo v1AI热点蚂蚁团队联合西湖心辰提出双向世界模型RWM范式,推出首个实现版本Duo v1,支持实时全双工交互,人工评测通过率93.3%。
华为云开源具身世界模型CloudRobo-WM1.2AI热点华为云发布并开源昇腾原生具身世界模型CloudRobo-WM1.2,在两项评测基准中排名第一。
Cmpnd发布dspy-wsp:权重空间编程成DSPy优化器AI热点Cmpnd发布开源优化器dspy-wsp,让前沿LLM直接读取并编辑小模型权重,无需梯度与训练数据,评测中d1-omni-600M提升18.3点。
AURA 2.0开源:流式视频模型可主动发起对话AI热点AURA 2.0开源流式视频大模型,新增模型主动对话等三项核心能力,评测居开源流式模型前列。
论文提出光学广播内存,省PB级HBMAI热点arXiv论文提出光学广播内存OBM架构,用集中式内存服务器向推理节点广播模型权重,评测显示在8万加速器规模下可省PB级HBM且吞吐与能耗具竞争力。
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。
蚂蚁百灵发布ZoomGain视觉模型AI热点蚂蚁百灵发布基于强化学习训练的ZoomGain-4B/9B视觉模型,并同步开源评测基准与训练数据集。
MXI-SimWorld登顶RoboColiseum总榜AI热点北大数院团队的MXI-SimWorld v0 Preview以0.9656分登顶RoboColiseum具身智能评测总榜,四个子榜均进前二。
MasterControl开源Runway推理验证框架AI热点MasterControl发布内部验证工具Runway,围绕NVIDIA AIPerf构建合规决策流水线,并给出三项推理引擎评测发现。
REAL框架提升语音奖励模型偏好准确率AI热点REAL框架通过证据关联分析建模生成语音逼真度,基于MiMo-Audio的REAL-Judge在两层评测上将成对偏好准确率提升16.01和11.41个百分点,并优于SpeechJudge与UniSRM。
谱遗忘框架入选NeurIPS 2026AI热点论文提出谱遗忘框架,将矩阵结构化优化用于大模型机器遗忘,在多轴评测中超越基线并接近保留训练参考,已被NeurIPS 2026接收。
Meta发布最小模型Muse EmberAI热点Meta推出迄今最小最高效的模型Muse Ember,面向智能体日常重复任务,定价与评测数据同步披露。
南大联合美团LongCat提出IntRealAI热点南京大学联合美团LongCat等机构提出IntReal,围绕数据、评测与训练三方面提升统一多模态模型的图文交错生成能力。