AI 情报文章归档

Mubit 读取智能体已发往 OpenAI 或 Anthropic 的 API 调用，找出重复任务并训练用户自有小模型，重复性窄任务交给小模型、其余仍由前沿模型处理。集成只需替换 base URL 并保留原客户端代码，也可接入已有 traces，公司称每几分钟刷新一次。两家公司会因各自智能体流量不同而得到不同的小模型，改进固化在权重而非提示词中。

Claude 正在添加对 MCP Tasks 和 Elicitations 的支持。Tasks 允许 Claude 给插件分配长时运行任务，如深度研究，并在完成后回报结果。

Nathan Lambert 转引 Artificial Analysis 对月之暗面 Kimi K3.1 Pro 的评测：该推理模型以 55 分位列 Intelligence Index 第 4，高于 Fable 5.1 和 Astra 6，较 Kimi K3 提升 11 分。智能体性能大幅提升，GDPval-AA 得 1,846 Elo（升 312），Terminal-Bench 4.0 以 67% 超过 Claude Sonnet 5.5 的 64%；参数 2.8T（…

@petergostev 对 Kimi K3.1 Pro 的第一印象来了。 我们把 @Kimi_Moonshot 的 Kimi K3.1 Pro 用于 3D 场景、HTML 动画、网站、UI 构建和研究型页面，并与 K3、Opus 5.5、Sonnet 5.5、GPT-6.1 Sol、Gemini 4 Argon 等模型进行对比。 看看它表现如何，并在我们的 YouTube 上找到 Peter 的提示词。 https://www.youtube.com/watch?v=rV…

iOS 版新功能： 🚗 AirPlay 支持已上线 📱 Suno 现已兼容 iPhone Duo

METR 与 Redwood Research 两名研究员于 7 月 21 日至 8 月 11 日在 OpenAI 驻场三周，审计其针对模型异常行为的内部监控系统，期间可访问代码库和内部文档并访谈约 12 名员工。

This article argues that instruction-fine-tuned language models should be understood as implementing a genre, what is proposed as the instructional-conversational genre. This genre is an amalgamation of discursive language from prior conve…

Training generalizable embodied agents requires realistic, varied, and simulation-ready indoor environments. Language-guided methods support semantic planning and object-level reasoning, but precise spatial grounding remains difficult. Vis…

Robust reinforcement learning (RL) is critical for reliable real-world deployment, where policies may fail under diverse shifts and disruptions. Existing robust RL algorithms offer a rich set of mechanisms and principles, yet two major bar…

Azeem Azhar 撰文认为互联网正进入类似 2020 年初疫情爆发前的临界状态，软件与网络空间正遭受 AI 智能体驱动的持续攻击。文中列举 PHP2Shell 漏洞（PHP 支撑约 70% 的网站）、Node.js 同日修补关键缺陷，以及微软披露某中国国家关联组织用开源智能体集群在不到三小时内控制云账户，每分钟发起 2,900 次登录尝试、波及超过 2,250 个组织。

Collecting high-quality demonstrations remains a central bottleneck for learning dexterous manipulation. Teleoperation records executable robot actions, but it requires a complete robot setup and places the burden of coordinating many fing…

Rohan Paul 转发 Simar Singh 关于湾区裁员的观察并补充数据：科技公司已通过加州 WARN 通知披露 2026 年近 14,500 个湾区裁员计划，超过 2025 全年约 10,170 人的总数。引用推文提到一位创始人称其 AI 技术公司正在裁减 2,000 名呼叫中心员工，并感叹社会尚未为这种冲击做好准备。

Few-shot industrial anomaly detection requires modeling category-specific normality from only a handful of defect-free images. Common approaches tie inference to stored exemplars, impose rigid linear structure, or risk reproducing anomalou…

Designing a progress-aware execution controller for agentic systems. Imagine asking an AI research...

月之暗面发布 Kimi K3.1 Pro，在 Code Arena: WebDev 榜单以 1692 分排第 8，比 Kimi K3 (Max) 的第 17 名（1655 分）上升 9 位，Kimi 由此回到实验室总排名前 4。引用内容称其定价 $2/$10 每百万 input/output tokens，中位单任务成本 $1.23，比 Kimi K3 低 29%，与 Claude Opus-5 (Max) 表现相当；开放权重即将推出，有望超越 DeepSeek-v4.1-…

Personal email agents decide, for every message, what it is, whether it is urgent, whether to draft a reply, create a task, or ignore it. Their error rate is rarely measured: the stored labels were written by the system itself. We present …

Kimi K3.1 Pro 在 Artificial Analysis 智能指数上排名第 4，涵盖所有模型，包括 Claude Opus 5.5、Fable 和 GPT-6 Astra，这简直太疯狂了。 开源强势回归。💪

Reinforcement learning for large language models often uses separate systems for inference and training. Even with identical weights and BF16 tensors, implementation differences can make an intended on-policy update off-policy and destabil…

月之暗面（Kimi）发布 Kimi K3.1 Pro，2.8T 总参数 / 104B 激活参数的 MoE 多模态模型，支持 1M token 上下文，K3.1 Pro Highspeed 速度提升 2–3 倍，已在 Kimi.ai、Kimi Work、Kimi Code 和 API 上线。官方称其在编码、Agent 和知识基准上对标最强专有模型，幻觉减少 65%，开放权重将于 2026 年 11 月 4 日发布。转发者补充称其在基准上与 Claude Opus 5.5、GP…

Artificial Analysis 评测显示，月之暗面 Kimi K3.1 Pro 以 55 分位列智能指数第 4，比 Kimi K3 的 44 分提高 11 分，仅落后 Claude Opus 5.5（58）、Claude Sonnet 5.5（56）和 Muse Wonder Full（56）。

Arena 宣布 Kimi K3.1 Pro 在 Code Arena: WebDev 以 1692 分排名第 8，较 Kimi K3 (Max) 的第 17 名（1655 分）上升 9 位，与 Claude Opus-5 (Max) 持平但成本低 70%。

Objective: To develop a unified vision-language model for prompt-conditioned quantitative ultrasound measurement that addresses the mismatch between continuous measurement targets and discrete token-based numerical prediction. Methods: Thi…

Large language model (LLM) platforms introducing advertising must decide how much capability ad revenue should fund and what consumers should pay to avoid ads. We study a monopolistic platform that jointly chooses costly response quality, …

Generative recommendation with semantic IDs represents each item as a sequence of discrete codes derived from its semantic representation and predicts these codes to generate recommendations. Existing semantic-ID recommenders are typically…

Baseten 推出 Environment Network，联合一批经严格审核的 RL 环境公司，为客户基于自有数据和领域定制 RL 环境。合作方直接对接客户构建环境，Baseten 仍负责训练与推理。Baseten 还计划开源一批前沿质量环境及审计、训练方法。

我们找到了那些溜走的 1 美元

Vision-Language-Action (VLA) models perform well on robotic manipulation, yet remain brittle once their own actions carry them into states their training data barely covers. Recovering from such failures usually requires recovery demonstra…

Nathan Lambert 表示 DeepSeek 在单个集群上每日服务 150T token，超过 OpenRouter、Fireworks、Together 和 BaseTen 上开源模型推理量的总和，并引用了 DeepSeek 的 DeepInfer 部署问答文档。他还根据上述公司公布的推理量报告自行重建了一张开源模型推理增长对比图。

We study the fundamental problem of PAC learning positive linear combinations of $k$ arbitrary ReLU activations on $\mathbb{R}^d$ with respect to the Gaussian distribution, in $L_2$ loss. We give the first fully-polynomial time algorithm f…

Despite advances in multilingual text representations, effective dense retrieval for Persian remains constrained by the limited availability of language-specific training resources and compact embedding models. We present Yalda Embedding, …

NYU 教授 Aswath Damodaran 发长文分析，Anthropic IPO 将按 run-rate 收入定价，而非基于现金流估值；H1 2026 Anthropic 亏损 $8.7B、OpenAI 亏损 $21.6B（不含非现金费用），使收益倍数法失效，ARR 成为 AI 版的互联网眼球数。

Yuchen Jin 发帖称 Kimi K3.1 Pro 已发布，应是当前最强开源模型。据其附图，在 Terminal-Bench 4.0 上 Kimi K3.1 Pro 的 TBR 得分超过 Claude Opus 5.5，且每个任务的平均成本约为其 1/3。

我们让管理员能更好地控制内部人员如何使用 tokenmax，可以为 Effort 等级（与能力和成本相关）设置下限和上限。

关于 kimi k3.1 pro 基准测试的 TLDR 是，看起来他们搞定了自己的 RL，最初发布的版本是一个非常令人印象深刻的基座模型，后训练较轻。中国在能力提升方面确实跟得很紧。

State inference and parameter learning for nonlinear filters is a core computation for scientific machine learning with varied applications in engineering and neuroscience. The unnormalized filtering distribution is governed by the Zakai e…

我们为 40 个地理区域的超过 12 亿用户提供毫秒级的数据服务。 为达到这一规模，我们与 @AzureCosmosDB 密切合作优化存储架构，全球中位读取延迟改善了 12 倍。

DeepSeek V4.1 Flash 1017 在 Artificial Analysis Cyber Index 得分 57%，成为排名第一的开放可用模型，总分位列第二，比前代提升 16 点，其中 CyberGym-E2E-AA 从 23% 升至 76%。

Modern language models rely on subwording tokenization to define the discrete units of input processing, typically using methods like Byte Pair Encoding (BPE) that treat whitespace as a fixed semantic boundary. This design is inherently li…

月之暗面发布 Kimi K3.1 Pro，Nathan Lambert 评价其 benchmark 分数明显是目前最强开源权重模型，前提是按官方承诺在 11 月 4 日前放出权重。作者指出 K3.1 每 token 价格低于 K3，但博客显示每个回答 token 用量明显更多，实际价格可能相近；官方明确说明了网络安全风险控制，不使开源权重扩展攻击性 cyber 能力的绝对前沿。

Statement autoformalization translates mathematics from natural language into a proof assistant such as Lean 4, and models now do it at scale. As provers get stronger, the burden of correctness shifts from the proof to the statement, that …