AI 情报文章归档

Clinical AI evaluation should encompass diagnosis and management after adaptive information gathering. We compared Doctorina, eight physicians and four standalone frontier language models in 150 synthetic Polish-language primary-care consu…

TestingCatalog 转述 OpenAI 官方宣布：一组由其下一代模型驱动的智能体给出了 Navier-Stokes 千禧年大奖难题的解。OpenAI 称该模型能力显著强于 GPT-6 Astra；该问题关乎 Navier-Stokes 方程描述的三维光滑流体运动是否会崩溃，约 90 年未获解决。作者附加评语 Level 4 - Innovators。

OpenAI 宣布由一组智能体使用一个能力显著超过 GPT-6 Astra 的下一代模型给出 Navier-Stokes 千禧年大奖难题的解，该问题关注三维光滑流体运动的描述是否会失效，已悬置约 90 年。

Noam Brown 称 OpenAI 内部的数学家和物理学家本周经历了自己的"Lee Sedol 时刻"，该模型在数分钟内解决了他们多年未解的开放问题。引用的 OpenAI 介绍称，内部模型团队用约 10，000 个协作 AI agents 在 88 小时内得出 Navier-Stokes 解，训练仍在进行，全程遵循前沿评测的监控与隔离等安全防护措施。

数学家 Tristan Buckmaster 公开发声，称 OpenAI 在其与 Levent Alpöge 借助 Claude 和 Codex 运行 GPT-5.6 Sol 在 Navier-Stokes 方程上取得进展后对其施压。

在 macOS 版 Gemini 应用中，使用 Gemini 3.5 Transcribe，通过语音和屏幕上下文更高效地完成任务。 Gemini 3.5 Transcribe 让您轻松汇总本地文件、规划与研究，并使用免费自然语言创建图像。

在 @Cerebras Supernova 上与 @milksandmatcha 坐下来聊了聊芯片。 每个人都在下不同的推理赌注。 有人想要便宜的 token，有人想要速度。 NVIDIA 在吞吐量上难以被击败，但在速度上还有巨大空间。 Cerebras 是个话痨。这些晶圆真的说话很快。

We present a real-world case study of multi-task learning (MTL) for temporal process modeling from limited data with temporally sparse labels. Specifically, we investigate multi-task learning for the important agricultural problem of predi…

软件工厂：与真实构建者的实操体验：🦄 AI That Works #73 https://x.com/i/broadcasts/1jGXgBEqkYOKZ

While many video-game environments (VGEs) have played crucial roles in advancing reinforcement learning (RL), developing novel VGEs or modifying existing ones to support new features, has been a laborious process requiring extensive hand-c…

我们有一款字体了 https://opencode.ai/font/?v=be52655e

An agent refunds a customer $500. Stripe processes it. The response never comes back — a proxy...

Inception 发布扩散大语言模型 Mercury 2.5，官方称智力较 Mercury 2 提升 40%，在常见 NVIDIA GPU 上速度达 1107 tokens/sec。

Modern science and engineering increasingly rely on time-varying data, yet the mathematical tools used to model temporal phenomena are often developed within separate disciplines, obscuring common principles and limiting the transfer of id…

OpenAI 表示一个比 GPT-6 Astra 强得多的内部模型给出了三维 Navier-Stokes 方程可在有限时间内产生奇点的证明，作者评论称OpenAI内部模型强于 GPT-6 Astra 已不新鲜，但这一说法仍是大胆宣称。

Skild AI 的机器人基础模型 S1 仅需 1 个视频示例即可学习新任务，并通过视频提示词操控行为。在相同厨房环境中，S1 能依据 4 种不同视频指令执行相应动作序列，包括"将盘子放入烤面包机"这类分布外任务。该能力决定新任务是否需要重新训练，或成机器人基础模型最具经济价值的特性。

Build a real-time AI voice companion where the LLM may answer or propose a timer, but only deterministic application code can confirm and execute it. This TypeScript tutorial covers interruption, stale results, idempotency, ambiguous confi…

Perplexity CEO 宣布已将大量推理负载迁移至 NVLink Blackwell，并预告 Vera Rubin 为下一步。Perplexity 每日处理超 5000 万查询，横跨 15 个模型（含 NVIDIA Nemotron 3 Ultra）；Blackwell 更大的 NVLink 域支持跨节点扩展且不牺牲延迟。

Task vectors enable post-training model editing by identifying semantically meaningful directions in weight space, typically computed as the difference between a fine-tuned model and its pretrained initialization. However, this reliance on…

哪些投资者最关心AI对齐问题？

LangChain 在最新版 deepagents 中引入子智能体上下文模式，支持 "isolated" 和 "fork" 两种取值，fork 模式让子智能体继承 supervisor 的完整对话而非从空白上下文开始。

Meta Muse Spark Contributor 的速率限制已提升 如果你仍看到 429 错误，请告诉我们

DeepSeek 针对约 150 个资深后端/服务端工程师社招岗位重新设计了笔试和面试。笔试删除 ACM 类代码题改为系统设计题，算法题只需写思路或伪代码，面试流程时间跨度大幅缩短；校招仍沿用原有题目。岗位涵盖大模型研究平台、Agent 框架组件、DeepSeek API 等方向，工作地点北京（优先）或杭州，简历可投 talent@deepseek.com 或扫码投递。

Whether a language model looks demographically biased can depend on how the audit asks its question. A charitable-aid benchmark reports that the same models favor minority applicants when rating requests one at a time and penalize some whe…

muse spark 1.3 在 opencode 上获得了大量采用！

Reasoning representations are increasingly used as explanations for large language model outputs. Yet they are typically evaluated with model-centric criteria, such as answer accuracy and faithfulness, leaving it unclear whether they help …

Imagine you need to write a long piece of text that requires you to think things through, gather...

Anthropic 团队文章指出，优化 prompt cache 命中率、清除升级到前沿 Claude 模型后的提示词反模式、校准 effort 三个手段可在不牺牲性能的情况下降低成本。

当你致力于解决的问题让人感到无从下手时，是什么让你保持希望？ 对微软研究院的 Chris White 来说，是知道自己还能做些什么。 欢迎收听微软研究院播客最新一期节目。https://msft.it/6012aXtSY

Chain-of-thought reasoning provides a structured computation between a model's input and final answer. Yet it is often evaluated through endpoint accuracy, which ignores the path taken to reach that answer. An emerging line of work address…

DAIR.AI 报告指出，编码智能体虽提升代码产出，但从写代码到交付可靠软件之间收益骤减，瓶颈仍在审查、集成、测试、安全、部署及运维。成本结构从可预测的按席位许可转向可变的 token、工具、沙箱、CI 与返工成本。报告提出 Agentic SDLC 吞吐悖论、生产合格变更、验证税及控制平面四个核心概念。

AI-assisted programming raises distinct questions about who produces code, who feels ownership of it, and who is responsible when it fails. This research note examines these distinctions through a hypothetical enrollment failure and a sele…

弱通用AI已实现（至少根据2020年设定的标准）。比近期预测提前一年 ✅勒布纳奖是弱图灵测试，GPT-4.5已等效达成 ✅Winograd被GPT-3通过 ✅SAT由GPT-4以75%通过 ✅蒙特祖玛的复仇被GPT-6攻克

Cresta 推出面向企业支持前线的 AI Agent 套件，含三层架构：AI Agent 可端到端处理电话与文本咨询，支持 30 多种语言；Knowledge Agent 能监听实时通话并读取屏幕主动提供答案；Agent Operations Center 提供 QA 评分与辅导计划。需人工介入的案例会连同对话记录和账户上下文转交，客户无需重复说明。

The local dark matter density determines the strength of the signal expected in direct-detection experiments, yet published estimates from stellar motions disagree by more than their errors, and the most recent machine-learning analysis of…

Denoising Diffusion Probabilistic Models (DDPMs) generate samples by starting from noise and repeatedly denoising while keeping each update close to the current noisy state. This behavior is effective in many continuous domains, but its ro…

Every creative project has a rhythm. In software, it might be the hum of a CI/CD pipeline or the...

Meshy 应用正式在 iOS 和 Android 上线！ 在应用商店搜索 "Meshy AI" 即可开始使用。 拍张照片。转成 3D。即可打印。📸

Luca Guadagnino 执导的电影《ARTIFICIAL》发布首支预告片，由 Andrew Garfield 饰演 OpenAI CEO Sam Altman，讲述其被解雇又复职的故事，12 月 25 日北美上映。作者调侃片中还原了红色乐高 Ultraboost 鞋这一细节。

State Machines推出首个可生成企业环境的测试基础设施，为AI智能体重现任意企业应用，支持并行运行数千个独立状态环境。其本地API副本可在请求间保持状态，使智能体在同一工作流中依赖先前修改的状态，让多步智能体行为可重复评分。