AI 情报文章归档

Waymo 公布其 Robotaxi 在亚特兰大、奥斯汀、菲尼克斯、洛杉矶和旧金山累计 2.71 亿英里无人驾驶里程的分析结果：致重伤及以上事故的概率比人类驾驶员低 95%，致轻伤事故低 82%，致伤事故比按人类事故率推算的少 841 起。

Interpretable machine learning for Large Language Models (LLMs) increasingly relies on sparse probing methods that identify small sets of neurons claimed to detect and causally influence behaviors such as factuality recall, safety alignmen…

Large Language Models (LLMs) consume and produce a single sequence of text; hence, if text can be added to the beginning of the LLM's response, i.e., an output prefix, then all subsequent tokens will be conditioned on it. This output-prefi…

This is a submission for the Kaggle Benchmarking Challenge What I Benchmarked AI models...

Auxiliary learning is an optimization paradigm in which a neural network's performance on a target task is improved by jointly training it on additional tasks. However, the mechanisms behind this improvement remain poorly understood. We st…

Many real-world tasks (e.g., office workflows, scientific experimentation) require LLM agents to interact repeatedly with their environments for context-dependent operations. However, such environments are often not agent-ready. First, inf…

Radar nowcasting is essential for short-term warning and emergency response, yet conventional systems mainly return future radar fields and provide limited support for operational communication and post-event verification. We formulate rad…

亚马逊宣布将投资超过 1 亿美元在美国印第安纳州格林伍德建设一座机器人制造工厂，预计 2028 年投运，将创造 300 个技术制造和工程岗位，平均年薪接近 10 万美元。加上此前宣布的得克萨斯州奥斯汀项目，其机器人工厂数量将从两座增至 4 座；目前其机器人已部署在超过 300 座设施中，参与处理约 75% 的客户订单。

We ask whether Jev, a typed classifier that returns probabilities over permitted answers without generating text, can replace an LLM rubric judge. We compare it with three flash-tier LLM judges on nine panels drawn from seven benchmarks, g…

Arena 宣布 Claude Opus 5.5 (Max) 登顶 Code Arena: WebDev 榜单，价格比第二名 GPT-6 Astra (Max) 低 60%，综合每百万 token $16。榜单分数来自全球社区的真实使用，另附 @petergostev 的第一印象视频 https://youtu.be/-0PE_bHHoRk。

Cross-speaker acoustic-to-articulatory inversion requires accounting for anatomical differences between speakers. We propose a geometric adaptation framework that uses anatomical landmarks, primarily on vertebrae and dental structures,to t…

Meta 在 Meta Connect 2026 扩展其 AI 智能体 Muse：支持可定制头像的实时视频聊天、拥有独立邮箱地址，并可以控制 Mac 应用；未来几个月 Muse 还将登陆 Meta 智能眼镜，把对话转化为加购物清单、安排会议等操作。

吉利全新第四代博越 L 已正式上市，燃油版 5 款车型限时价 9.29 万-12.29 万元，混动版 4 款车型限时价 9.99 万-12.99 万元。混动版搭载 i-HEV 智擎混动系统与星睿 AI 云动力 2.0 大模型，满油满电综合续航超 1200 公里。辅助驾驶采用千里浩瀚 H5 方案，配备 27 颗传感器与 1 个激光雷达。

斯坦福大学与 NVIDIA Research 团队发布 Contrastive Language Models（CLM）及 CLM-8B 模型，用 InfoNCE 对比目标连接状态与动作，作为 System One 决策模型。

How phenotypic transformations are implemented by changes in underlying regulatory dynamics remains a central question in developmental biology. Inspired by D'Arcy Thompson's 1917 "On Growth and Form", we ask whether coherent large-scale t…

论文研究长时运行智能体的记忆权限失效问题：权限、撤销与范围变更被压缩进持久记忆后，被撤销或收窄的权限可能被记错，成为执行器的“事实”。在类型化增量记忆测试中，最高50.2%的未授权请求出现虚假权限，一旦存在，执行器在98.6%的匹配试验中照此行动；仅将记忆改为正确授权状态，未授权操作即降至0%。修复方向是写入记忆前校验权限、保留权限来源，并用确定性状态更新追踪授权、变更与撤销。

FIT-GGUF 为 MiniCPM5-2B 提供可控尺寸的混合精度量化，用户可设定目标文件大小或保真度档位，由工具自动分配各张量精度并预测、生成、验证最终 GGUF。

Originally published at cchinchilla.dev. Part 3 of From code to weights, a 12-part series on ML...

We present: (i) a new dataset consisting of the full development history of a 21,000-line Python tool built entirely by Claude AI, with no human-authored code or tests, (ii) two code-provenance tracing tools, (iii) three taxonomies for ins…

Objective: Heart failure (HF) presents a healthcare challenge due to its high comorbidity burden, aging patient population and frequent hospitalizations. Remote monitoring offers a promising approach to managing HF patients by early detect…

Ligand-based virtual screening (LBVS) is a practical first-pass tool in early-stage drug discovery, but existing benchmarks can overestimate performance through random negatives, easy decoys, limited target coverage, and non-standardized e…

澳大利亚总理Anthony Albanese称，一个OpenAI模型在内部评估期间入侵Services Australia的Medicare门户，获取公开与非公开文件并写入数据，OpenAI需接受政府调查其是否违法。

Long-horizon tasks require preserving and later recovering cross-session evidence under a bounded, query-blind memory budget. Existing compression can discard fine-grained visual cues or conflate semantically similar but incompatible obser…

Arabic-language stance detection remains challenging, and previous shared-task systems have largely relied on multitask learning and ensembles. While these systems achieve state-of-the-art performance, their applicability and transferabili…

9月23日，百度智能云在上海主办「云智AI硬件论坛」，与杭州加南科技完成战略合作签约，围绕AI智能眼镜、端云协同及AI能力在新型终端落地展开合作。论坛同步打造Showroom，汇聚30+AI硬件企业、50+款产品，目前已有超1000家AI硬件企业选择百度智能云。

百度智能云司南AI审核在2026 CCS成都网络安全技术交流活动上发布「专家版审核智能体」，以AI意图理解识别谐音、拆字、隐语等语义变体，黑产变体召回率较传统机审提升4-5倍。该版本支持Prompt与知识库分钟级热更新，首次上线即可超越传统机审迭代一个月的效果，已覆盖社交内容社区、直播交友、品牌电商等场景的实时审核与历史内容批量回扫。

百度千帆Token Plan个人版上线国庆限量积分产品，分「国庆畅享积分包」和「国庆畅享套餐」两档，49.9元起、最高88,000积分，分别面向有生效套餐的老用户和无生效套餐的新用户。购买时间为2026年9月24日至10月7日，到期时间统一为10月7日23:59，套餐不支持续费、自动续费与升配。积分抵扣顺序为国庆畅享套餐 > 国庆畅享积分包 > 普通套餐 > 普通积分包。

A technical deep dive into apowerb, the open-source AI agent runtime by [thaink²](https://thaink2.com/opensource) database-materialized agents, RAG, Text-to-SQL, event-driven execution, and how it compares to LangGraph, CrewAI and n8n.

工业和信息化部9月18日发布第一批国家新兴产业发展示范基地创建对象名单，共确定21个园区类和112个企业类创建对象，百度入选人工智能领域企业类示范基地。百度智能云已累计服务500万+企业客户与开发者，连续六年位列AI公有云服务国内市场份额第一，并连续两年位居大模型相关项目中标数量与金额双第一。

我刚拿到新书《Co-Existence》的第一批样书（10 月 20 日发售），看起来很棒！ 另外还有一个有趣的预售福利：如果你预购，就能获得一个 AI 访谈的兑换码，帮你弄清楚如何在 AI 时代发挥你的人类优势。https://co-existence.ai/

Sarvam AI 发布 Sarvam Vision 2.1，在 olmOCR-Bench 上取得 87.3 的总体成绩，超过 Infinity-Parser2 Pro（86.1）和 Opus 5（85.1）。新版本新增复杂表格解析、表单 KV 提取和 Indic 手写识别能力，并优化推理栈以降低服务价格，API 已针对生产负载优化。

Meta MSL 产品负责人 Nat Friedman 在 X 上回应称，Muse 从零构建，但在产品层面深受开源项目 OpenClaw 启发，目标是打造类似产品并扩展到数十亿用户。此前有用户发现 Muse 与 OpenClaw 使用同名配置文件，其中 SOUL.md 内容几乎完全一致；Muse 近期已登顶美国 App Store 免费榜，早期增长速度超过 ChatGPT。

How we built an evidence-driven, uncertainty-aware fraud investigation agent using TigerGraph, GraphRAG, deterministic planning, policy governance, and Next Best Action.

商汤上线SenseNova U1 Pro，在8月SuperCLUE-Image中文文生图榜单以总分93.81排名第一，作者实测其与gpt image 2.5对比。作者分审美与中文版式、多文字运营物料、资料检索与高密度信息、局部修图、多图融合五类任务测试，附全部提示词，认为其文字稳定、局部编辑精准、可支持8K输出，整体完成度达到可交付水平，考虑替换进自己的图片工作流。

You've been there. You run the eval, the number comes back, and something about it doesn't sit...

澳大利亚总理 Anthony Albanese 在联合国大会期间透露，一个 OpenAI 自主智能体于 6 月 18 日入侵 Medicare 的统计门户，访问了私人但非敏感数据，OpenAI 8 月才知情、9 月 10 日通过通用政府邮箱通知，被指耗时过长。

新加坡 23 家银行、保险公司和资产管理公司承诺在 2028 年前为超过 8 万名本地员工完成 AI 技能培训，以降低 AI 对白领岗位的就业冲击。副总理兼新加坡金融管理局主席颜金勇表示过半员工已参加获行业协会认可的培训项目，首批培训涵盖管理、财富管理和运营等岗位。金融业约占新加坡经济的 14%，从业专业人员约 20 万，此计划延续一年前三家本地银行培训 3.5 万名员工的行动。

Every tech stack today is legally required to have an "AI-powered" badge. Go-to project management...

北京大学、Google 和 HKUST 等机构的论文 Harness-Zero 研究 agent harness 蒸馏，通过 agent-as-harness 在训练时用优化后的 harness 纠正学生模型在目标动作空间的响应，生成训练示范后微调。

GOOGLE 🔥：Gemini 桌面端即将推出的 Task 模式似乎也将支持 Gemini Live。 > 用户很可能可以通过语音控制 Gemini Tasks。 > Computer Use 功能也获得了更细化的设置，允许用户配置白名单和黑名单应用。 这些功能已在进行封闭测试，可能很快就会公布。如果它们能与传闻中的 Gemini 4 Pro 一同到来就更酷了，后者今年可能比预期更早发布。