Features
In-depth special reports combining feature, analysis, interview and profile reporting.
31 published features
前沿视频模型：特别报道
Perceptron Mk1 押注视频AI的未来在于观看而非生成
Perceptron Mk1 是一款闭源视觉语言模型，定价适合持续运行，目标应用于带时间戳的视频理解和具身推理。AI视频真正的竞赛不在于生成更精美的片段，而将两类模型混在一起的基准测试会误导人。
2026-08-06
AI安全
Shieldstral：3B参数分类器，胜过规模七倍于己的模型
据2026年7月的一篇arXiv论文，一款3B安全分类器匹敌了体积接近其七倍的文本模型，并在多模态审核上确立了新的最先进水平。诀窍：将审核重新定义为二元问答，基于约5410万个样本进行训练。
2026-08-05
AI评估
旧的AI基准测试已失效。以下是替代它们的方法。
像MMLU和GSM8K这样的静态基准测试已经饱和且受污染。行业已转向动态再生、专家级考试和智能体任务环境，以真实衡量AI能力。
2026-08-04
AI 智能体
将标准操作规程视为代码：一种新的堆栈分页运行时将强智能体与弱智能体区分开来
来自香港和中国内地的新研究表明，将SOP编译为可执行的伪代码并在堆栈分页虚拟机上运行，能够清晰地分离出能力强的智能体与脆弱的智能体。该工作得出了一个精确的部署规则：先编译，只有在通过模型级别的纪律检查后才能分页。
2026-08-04
特别报道：AI评估
2026年AI基准测试现状：静态测试的崩溃与替代系统的构建
2026年AI基准测试全景深度巡览：MMLU、GSM8K和HumanEval为何失效，动态基准测试和专家级考试（如HLE和GPQA Diamond）如何取代它们，代理式测试和锯齿形智能测试揭示了什么，以及人类偏好、LLM评判和生成式可观测性如何完善整个评估堆栈。
2026-08-03
人工智能
双记忆系统教会AI诊断它总是忘记的故障
OpsMem将短期记忆（STM）用于追踪不断演变的诊断状态，与长期记忆（LTM）用于存储可重复使用的操作经验相结合。通过一种称为跨记忆共振（CMR）的机制，系统从LTM中激活与状态相关的经验，以指导多智能体诊断。在一个华为微服务数据集上，其性能显著超过了基于智能体推理和知识增强的基线方法。
2026-08-03
AI可解释性
神经网络的决策现在可以追溯到具体的训练样本
研究人员展示，利用Gram几何，神经网络行动分数可以表示为训练样本回报的精确加权和。这使得训练后审计信号能够识别有影响力的案例、衡量行动一致性并标记支持薄弱的情况，而无需重新训练或访问原始优化轨迹。
2026-08-03
人工智能研究
为什么令牌对数概率不是监控AI推理模型的正确信号
Novelis Research表明，令牌对数概率作为量化推理模型的解码器监控器存在缺陷，无法察觉自信循环。他们引入了一种校准的e-CUSUM控制器，结合了不确定性和重复信号，在DeepSeek-R1-Distill-Qwen-1.5B上的GSM8K任务中实现了选择性。
2026-08-03
AI 研究
思维链中的泡沫：新基准揭示大语言模型在有效但无用的推理上浪费标记
大语言模型通常生成正确但塞满不必要步骤的推理链。一个新的诊断基准和压缩方法表明，当前评估器完全忽略了这种低效性，而人类编写的推理步骤中可能有半数可被压缩。
2026-07-31
形式数学
中国实验室如何破解AI数学证明的瓶颈
南京大学的ToMap框架通过识别分解步骤为关键瓶颈，在完整证明自动形式化方面取得了最先进的结果。采用基于Pareto引导的迭代式证明分解进化，ToMap在ProofFlowBench基准测试中联合句法-语义准确率提升了19%，同时降低了测试时成本。
2026-07-30
研究
六字诀：干扰、验证、代理, , AI智能体探索与安全的新解法
一种新颖的异质智能体群体架构将发散性探索、运行时安全把关和跨领域知识检索分离为专业角色。干扰者负责生成高熵提案，验证者在工具调用网关处执行硬约束检查，代理者通过对比新颖性检索引入域外类比。执行失败被编译为带签名的约束补丁，称为“疤痕”，供后续世代缓存复用。评估显示，该群体实现了95%的远程目标发现率、零次已执行违规行为，并因疤痕机制节省了15.1%的令牌成本，在资源受限条件下通过信用分配的带宽机制实现了55.9%的成本降低。
2026-07-30
企业分析
阿里QwenPaw-Data：面向企业数据分析的专业智能体
阿里的QwenPaw-Data引入了一个由DataBridge、Skill-Hub和Host组成的三个子系统架构，将碎片化的企业数据转化为可复用的分析资产。早期评估显示，在公共基准测试和工业BI工作负载上，其性能显著优于现有系统。
2026-07-30