人工智能
人工智能：大语言模型、智能体、扩散模型、计算机视觉、自然语言处理及顶级实验室最新动态。
593 published articles
编程智能体 · Devin的双模型框架
每token多付2倍，反而让Devin的Fusion便宜了9%
Devin的Fusion让前沿主模型与更便宜的副手模型并肩运行，各自拥有独立上下文。Devin的基准测试表显示任务成本最多下降46%，其中一个案例中，每token成本翻倍的主模型反而带来了便宜9%的会话。
2026-09-26
本地部署的工厂AI，arXiv预印本
压缩让一个工厂助手损失了13.7%的答案质量
一篇新预印本主张，一旦模型经过压缩并以检索进行适配，参数量就不再能预测车间助手所给答案的质量。其唯一一项案例研究因提取损失13.7%的经评判质量，并挽回了其中三分之二。
2026-09-25
人工智能 · 智能体安全
SafeEvolve：运行框架与模型协同演化，将智能体攻击成功率降至三分之一
SafeEvolve 是一篇于9月2日提交至 arXiv 的论文，它将运行时运行框架更新与策略训练相配对，让智能体自身的轨迹同时驱动二者。论文报告称，AgentDojo 上的攻击成功率降至三分之一，效用则略有提升。
2026-09-25
自主编码智能体 · arXiv 预印本
Harness-of-Harness 声称通过运行其他编码智能体实现 52.25% 的提升
HoH 将现有编码智能体 harness 包裹在重复的规划, 编码, 测试循环中，并报告在三个基准套件上平均取得 52.25% 的相对增益。摘要没有明确底层指标、资源成本以及按模型划分的结果。
2026-09-25
照片溯源：iPhone 18 Pro 上的 Apple 参考图像
苹果能为相机拍下的每一个像素签名。难的是验证
iPhone 18 Pro 的参考图像会为相机像素签名，并在"照片"中额外留档一份副本以供比对。苹果称其结果不可篡改，但新闻稿从未解释这道保证如何经受导出、重新压缩或社交上传。
2026-09-23
苹果音频硬件，2026 年 9 月
AirPods 5 将开放式主动降噪带到 129 美元价位；Siri AI 的上线附带条件。
AirPods 5 于 9 月 18 日上市，开放式主动降噪售价 129 美元，但苹果的 Siri AI 组合以测试版推出，上线时不进入欧盟，且带有每日使用额度上限。
2026-09-23
OpenBMB 的 MiniCPM5-2B：2.52B 参数，4B 的野心
一款 2.52B 模型在其自家厂商运行的基准测试集上跑赢了 4B 对手
一款 2.52B、采用 Apache-2.0 许可的模型，在编码、工具调用和长上下文方面击败了更大的开源基线，其基准测试表格据 OpenBMB 称混合了内部运行与第三方运行结果。
2026-09-22
企业级 AI · 主权数据控制
Mistral 与 Cloudera 希望受监管企业拥有自己的 AI，而非租用它
Mistral 与 Cloudera 已达成合作，在客户自有环境（包括物理隔离环境）内运行和训练 AI 模型。面向受监管行业的推介重点在于对数据与智能的控制权，而非模型性能。
2026-09-22
人工智能 · 奥数
Nemotron 以 30/42 触及 IMO 2026 金牌线，全程未用形式化证明器
NVIDIA 的 Nemotron 3 Ultra 检查点仅凭自然语言证明就达到了 IMO 2026 的金牌线。论文公开了数据、代码和一个包含 200 道题的基准测试，但该分数为自报。
2026-09-21
arXiv上的AI对齐研究，2026年9月10日
赋予AI一个"人造本我"，或许能修复控制，也可能固化失败
该预印本主张，对齐应当是持续运行的智能体系统的一种属性，而不是单次模型回复的属性；针对单次回复的检查无法移除一个会延续到下一个任务的坏策略。其证据是一个小到无法进行推理的控制器。
2026-09-21
机器原生 AI 及其背后的基准测试
TypeSafe AI 称其速度比 LLM 快 193 倍，但它自己的「证据」只显示 75 倍
TypeSafe AI 称 Jev 是首个 System One Model：一个旨在向软件返回类型化决策的系统，并使用其命名为 RLCD 的算法训练。发布页面声称其零幻觉，并且相较单一指定基线 Claude Fable 5.1 具有 238 倍的价格优势。
2026-09-21
机器学习研究：推荐系统
所有顶尖线性推荐模型都可能归结为两种正则化器之一
一篇于2026年9月10日提交至arXiv的预印本论文认为，位居推荐基准榜首的线性模型都归结为两种正则化器之一，随后提出了两个低秩、闭式解的混合方案。
2026-09-20