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
AI 代理
AI 代理无法在没有构建服务器干预的情况下完成 Java 迁移
IBM 研究院推出了 ScarfBench，这是一个用于评估 AI 代理在企业级 Java 框架迁移中表现的开放基准测试。早期测试显示，前沿代理系统性地对其自身结果过度自信，配置层占据了大部分工作量，并且即使代码转换成功，Docker 缓存等环境问题也常常导致迁移失败。
2026-07-06
人工智能
MiniMax 产品大爆发：代码、音乐、视频新模型全面升级
中国 AI 初创公司 MiniMax 推出 MiniMax M3、Hailuo 2.3、MiniMax Code 以及新的语音/音乐模型，在竞争激烈的市场中拓宽了产品线。
2026-07-06
模型发布
Claude Mythos 5已发现10,000个严重漏洞，Anthropic对其能力深感警惕
Anthropic的Claude Mythos 5是一款专为网络安全和生物学设计的新型强大模型，通过Project Glasswing已发现超过10,000个严重软件漏洞。访问权限仅限于经过审核的合作伙伴，定价为每百万输入标记10美元。
2026-07-06
AI研究
你的AI代理意外通过了测试。现在有了评估标准。
SkillCoach是一个自我进化的评估标准框架，通过分析技能选择、遵循、组合和反思过程来评估和改进代理的技能使用，提供比仅依赖结果指标更好的监督。
2026-07-06
开放的 AI 基础设施
NSF OMAI 上线：Ai2 的全开放 AI 集群是对封闭研究的挑战
Ai2 刚刚在 NSF OMAI 项目下启动了一个新的 AI 集群，该集群使模型、工具和流程完全开放。当每个 GPU 小时用于推动语言、多模态和科学领域的研究时，其价值更高。
2026-07-06
人工智能
Kog推出Laneformer 2B：以延迟为核心设计，速度高达3,000 token/s
巴黎初创公司Kog发布Laneformer 2B，一款优先考虑延迟的Transformer模型，在AMD MI300X上达到3,000 token/s。该模型采用延迟张量并行（DTP）来掩盖通信开销，并从零开始在6万亿token上训练。开源权重已在Hugging Face上提供。
2026-07-06
模型评估
Ai2发布olmo-eval：为LLM开发者提供每个检查点的显微级评估
Ai2的olmo-eval为活跃的LLM开发提供了每个问题的差异分析和模块化基准测试，帮助研究人员区分真正的进展与统计噪声。
2026-07-06
人工智能
MiniMax M3 突破开源权重天花板：CUDA 加速 9.4 倍，全程无需人工干预
MiniMax M3 实现 CUDA 内核加速 9.4 倍，在 BrowseComp 上击败 Opus 4.7，并自主复现了 ICLR 论文。所有能力均以开源权重形式提供。
2026-07-06
强化学习研究
OPID为语言智能体提供密集奖励信号，告别外部记忆依赖
OPID从完成的在线策略轨迹中提取分层技能监督，为语言智能体训练提供密集的令牌级指导，无需外部记忆。在ALFWorld、WebShop和Search-based QA上的实验表明，其性能和样本效率均优于仅依赖结果的强化学习和现有技能蒸馏方法。
2026-07-06
AI研究
桌面AI代理的真正瓶颈不是模型，而是技能库
一项匹配执行层的440项桌面任务基准测试显示，GUI代理的通过率为59.1%，而CLI代理为48.2%。技能增强使CLI成功率提升至69.3%，表明主要瓶颈是技能覆盖范围，而非原始能力。
2026-07-06
《自然·神经科学》论文
微软新方法将黑箱大脑AI转化为可解读理论
GCT将不可解读的基于LLM的脑模型转化为类似“食物准备”或“地点名称”的简短短语，然后利用LLM编写故事，在真实被试中对这些解释进行因果检验。该方法有望弥合预测性AI与可读科学理论之间的鸿沟。
2026-07-05
AI研究
MaxProof：如何将生成式验证器转化为证明革命引擎
MaxProof是一个测试时扩展框架，将数学证明生成建模为进化搜索过程。通过结合Proof RL、验证器对齐和修正增强，它把不可靠的生成式验证转化为用于训练和推理的可信奖励系统。
2026-07-05