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
健康争议
OpenAI声称其健康AI推理能力超过医生，但自家团队并不那么确信
OpenAI的ChatGPT Health以宣称具备卓越临床推理能力的激进主张上线，但内部的保留意见和一桩诉讼对安全性和准确性提出了质疑。
2026-07-29
人工智能
为什么在三个基准测试上最好的图欺诈检测器不使用自己的标签
PREF-Gate将欺诈检测分解为一个无标签上下文专家和一个标签派生证据专家，然后通过一个验证门来决定使用哪一个。在Amazon和YelpChi上，它完全放弃了证据；只有在TFinance上，它才接受少量混合。该论文迫使领域正视：许多已发表的GNN增益背后，驱动因素可能是标签泄露，而非模型架构。
2026-07-29
人工智能
在让AI思考之前，先清理它的输入
CRIL的研究人员证明，保留模型计数的预处理技术能在将公式编译为d-DNNF电路时，显著加速模型采样、枚举和直接访问查询。该研究测试了1,425个基准，并显示：使用兼容排序移除已定义变量，比不做预处理多解决47个实例。
2026-07-29
人工智能
为什么你的AI思维链在浪费令牌，以及最优停止如何解决这个问题
麻省理工学院研究人员提出OS-Pruner，这是一个插件，能在后续计算不值得令牌成本时动态停止思维链推理。测试显示，在最小化准确率牺牲的情况下，长度减少20-60%。
2026-07-29
机械可解释性
gemma-4 实际掌握的物理知识：新论文发现其表征是真实的
关于 gemma-4-E4B-it 的新研究揭示，该模型内部对材料科学机制的表征与其给出的答案存在因果关系。该研究结合了多种探针和干预技术，表明物理知识编码在状态变换中，而不仅仅是静态模式中。
2026-07-29
AI研究
新审计发现：分布式强化学习头的风险判断大多不成立
大规模审计显示，分布式RL智能体在从业者最可能信任的状态点上系统性地编造了风险权衡。在基于QR-DQN、C51和IQN的MinAtar环境中，最强断言无一可被证实，而依据智能体的CVaR建议行动有时表现显著低于随机水平。
2026-07-29
AI 工程
Claude Code 社区手册现已成为协作型 wiki，已有 83 条实用技巧
一个社区维护的 GitHub 仓库收录了 83 条 Claude Code 技巧，记录了从“氛围编码”到“代理工程”的转变。该资源涵盖代理、命令、技能、工作流以及跨模型编排。
2026-07-29
微软AI
微软用更便宜的老GPU模型在Excel中媲美GPT-5.6
微软在Excel中的MAI模型以较低成本在常见任务上匹敌GPT-5.6，在Copilot中使用的令牌比竞争对手更少，并在H100和A100 GPU上运行，降低了广泛部署的门槛。
2026-07-29
AI架构
模型竞赛出现第二条赛道：编排胜过原始规模
Anthropic有意限制Claude Opus 5的网络能力，Sakana的Fugu编排模型集群，以及Claude Code新的多模型路由功能，都指向同一个转变：AI系统的下一个竞争优势是编排，而不仅仅是原始模型规模。
2026-07-28
AI模型
OpenAI发布针对长上下文处理的小型GPT更新
OpenAI今日推出了一项小型的GPT更新，涉及长上下文管理。此次变更旨在帮助模型更有效地处理扩展输入。
2026-07-28
人工智能
法国36亿欧元的AI赌注：九个集群培养下一代人才
根据“法国2030”计划，法国向九个人工智能集群拨款3.6亿欧元，旨在促进培训和研究。两个新的培训项目获得1100万欧元，用于提升工人在人工智能相关领域的技能。
2026-07-28
人工智能
新型黑盒攻击揭示：类镜头噪声可轻易干扰视觉语言导航智能体
AdvNav 是一种黑盒对抗攻击，利用类似镜头的 Perlin 噪声混淆视觉语言导航智能体。仅通过观察智能体的行为（而非内部权重），该方法实现了高达87%的攻击成功率。该框架揭示了当前 VLN 系统普遍存在的脆弱性。
2026-07-28