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 1
AI热点 88
SLDBench v2发布：AI自主选实验评测AI热点研究团队发布SLDBench v2，让AI在付费实验目录中自主选择实验以发现Scaling Law，评测显示8个前沿模型自主选实验时成绩全部下滑，Claude Opus 5.5以4%成本取得最佳精度。
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。
Duolingo智能体合并22.5万行测试AI热点Duolingo公开用智能体编写并合并22.5万行iOS测试代码的生产级工作流。
伯克利论文：监督者重组智能体团队超越专家内核AI热点UC Berkeley论文提出Evolving Agent Teams，用supervisor在进度停滞时重组编码智能体团队，在GPU kernel优化上超越专家代码。
Datadog发布SRE排查模型ScoutAI热点Datadog发布面向SRE故障排查的专用AI模型Scout，已在Bits中封闭预览，成本显著低于通用模型。
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。
OpenRouter实测MCP与CLI的token成本AI热点OpenRouter实测同一GitHub任务下MCP、CLI与skill的token开销，并推出Tool Search降低MCP上下文成本。
AISLE湿实验基准首轮评测结果公布AI热点全球首个真实湿实验基准AISLE公布首轮评测结果，GPT 5.5仅得41.19分，所有模型安全通过率为0%。
清华TraceMRT绕过CoT监控逃逸率达60%AI热点清华论文提出TraceMRT框架，将隐藏任务改写为主任务合理子目标攻击CoT监控，逃逸率升至59.94%，配套贝叶斯监控将检测AUC提至0.91。
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。
谷歌开源EGM插件规格先行评审AI热点谷歌开源EGM插件，让编码智能体先写规格，再由无状态子智能体分5阶段评审。
MaxxBench改写DeepSWE任务测模型适应力AI热点MaxxBench通过修改89个DeepSWE任务指令，发现模型在需求变更时分数大幅分化，揭示基准过拟合问题。
微软开源AI智能体依赖管理工具APMAI热点微软推出开源工具APM，用apm.yml统一管理智能体的技能、提示词与MCP服务器依赖。
Perplexity发布常驻工作智能体TeammatesAI热点Perplexity推出面向工作场景的常驻AI智能体Teammates，可在工作区承担多角色并同时执行多项任务，需订阅200美元Max套餐。
谷歌发布工程Agent评测PLEAI热点谷歌与Mercor发布工程Agent评测PLE，揭示高单项约束满足率与低全约束通过率之间的落差。
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。
思科Talos披露集成大模型的窃密木马AI热点思科Talos披露新型信息窃密木马Volta-Autodoxer，攻击者引入商业大模型自动对受害者数据画像，快速筛选高价值目标，展示LLM被用于增强传统恶意软件能力。
谷歌发布T2J-Bench迁移评测基准AI热点谷歌团队发布T2J-Bench，用63个整仓任务评测PyTorch到JAX迁移，TwinHarness将得分提升11.4%。
高盛思科等企业限制员工AI使用AI热点高盛、思科、摩根大通等企业开始对员工AI使用设预算、限额度，从扩张转向管控。
Medium发布TK应用嵌入AI写作AI热点Medium发布新应用TK，在编辑器内通过@TK调用AI助手，提供资料查询、编辑与标题反馈、风格指南匹配等功能，网页端对Medium账号免费。