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 113
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。
论文：稀有标签扭曲AI代理资源分配AI热点arXiv论文显示，六个语言模型在最小群体实验中对稀有标签对象多分配1.3至3.3倍点数，现有偏差测试难以检测该效应。
论文：LLM智能体内群体信任偏差难被审计AI热点arXiv论文显示五个开源推理模型在多智能体模拟中出现内群体信任偏差，且现有行为日志审计难以检测。
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。
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%。
Amazon审计9个AI基准发现评分错误AI热点Amazon新论文审计9个专业领域AI基准，发现参考答案与评分代码常误判正确回答，修复后模型得分显著提升。
AI证阿伦森-安拜尼斯猜想AI热点PSI借助Anthropic未发布模型，三天内证明量子计算领域悬置多年的阿伦森－安拜尼斯猜想。
OpenAI用GPT-6 Astra造出Codex宠物AI热点OpenAI披露由GPT-6 Astra完成全链路设计的可对话Codex宠物原型，一周完成设计、不到一月交付，但制造公差与装配细节仍需人工迭代。
arXiv论文：RL训练LLM或非真推理AI热点新论文用稀疏自编码器分析RL训练的大模型，发现其主要依赖提示中显式信息，而非真正推理能力
论文：共享记忆让LLM智能体无提示协调AI热点arXiv新论文通过锁定双实现复现发现，LLM智能体仅凭共享存储即可实现无提示协调，且一句提示语可决定模型是否二次查看存储。
OpenAI上调漏洞赏金至17.2万美元AI热点OpenAI宣布启动新一轮内部安全冲刺，与Cathedral Systems合作用模型挑战自身防御，并将关键漏洞赏金提升逾4倍，杰出发现最高可获17.2万美元。
谷歌DeepMind发布世界模型Genie 4AI热点Genie 4可实时生成带音频的可交互场景，支持边玩边改，连贯时长约两分钟，为前代两倍。
0sec Labs开源AI安全框架0AI热点0sec Labs开源AI安全测试框架0，提供Web UI、CLI与MCP入口，支持漏洞调查、代码审计与渗透测试。
中国科大开源RNA基础模型structRFM登NatureAI热点中国科大MIRACLE实验室发布开源RNA序列基础模型structRFM，成果发表于《自然》，并开放配对数据、模型权重与源代码。
CellNet开放2.31亿张转录组图像AI热点湖南大学团队提出CellNet，将转录组表示为图像并开放覆盖40物种的Image Atlas数据底座。
VEX-Bench评测LLM虚假信息验证复杂度AI热点VEX-Bench基准评测LLM生成虚假信息的验证复杂度，覆盖7个前沿模型与7种生成方法共5880篇文章。
NarrativeBench基准评测14个LLM叙事导航能力AI热点arXiv提交新基准NarrativeBench，评测14个LLM在23种语言下的多元叙事导航能力，发现现有模型普遍不足。
USteer免训练操控降低推理幻觉AI热点NeurIPS 2026论文提出USteer，通过置信度梯度在推理时调整层激活，免训练降低大模型推理任务幻觉。
SocialGym用22款游戏评测LLM社交智能AI热点SocialGym提供22个多智能体社交游戏，以可验证规则评测十个LLM的社交能力。