研究测试发现 GPT-5.5 与 GPT-5.6 Sol 更倾向帮助同类智能体
OpenAI 系模型被测出会主动帮别的智能体作弊，哪怕自己扣分，这实验设计挺有意思，作者还联系到 Ilya 说的教模型去爱。
全部动态
AI 相关资讯全量信息流 · 14 条
11月4日
10月19日
Cohere 论文：编码智能体团队中便宜的模型只做规划最划算
Cohere 的新论文，实测多智能体写代码怎么省钱：便宜的模型只做规划，强的模型当 lead，成本能砍 70% 掉不了几分。
10月18日
Meta 论文：前沿智能体从经验中学习的能力差异显著
Meta 冻结模型权重测智能体自学能力：GPT-5.6 Sol 每 1000 美元涨 298 分，Claude Fable 5 只有 57 分但胜率涨幅更大，挺有意思的对比。
10月10日
Meta发布自我提升智能体研究
Meta研究了不同模型自我提升效率，发现学得快的模型会重用已有成果，而慢学习者会忽略已写内容。
10月4日
NVIDIA 论文：终端智能体加大验证器投入比增加采样更有效
NVIDIA 新论文说终端命令别直接跑，先采样再验证，验证器要舍得花钱，Pass@1 直接从 50% 拉到 68%。
10月2日
伯克利论文：LLM知道偏好变化仍使用旧值
伯克利发现LLM知道用户偏好变化却仍用旧值，解决方法很简单：在提示中明确当前状态。
长期AI决策能力研究：模型表现远低于人类
最新研究揭示，即使是顶尖AI模型在长期复杂任务中也仅达人类四分之一表现。
9月30日
AI模型更倾向于选择自己的答案
Arena研究发现AI模型有自己独特的判断偏好，与人类明显不同，GPT-6 Astra甚至88%选择自己。
9月24日
NVIDIA 发布 Skill2Env：将公开 Agent Skills 编译为 RL 环境生成近 8000 条训练任务
NVIDIA 把公开 Agent Skills 自动转成 RL 训练环境，产出近 8000 条任务，还开源了流水线思路，做 Agent 训练的可以看看。
9月17日
AITOP16:09
Anthropic拟10月在新加坡设亚太第五个办事处 开...Anthropic拟10月在新加坡设亚太第五个办事处 开放本地招聘 数据显示，按人口比例计算，新加坡的Claude.ai使用水平在121个国家中排名第二。 我们观察到，人工智能公司Anthropic计划于10月在新加坡设立其亚太地区的第五…
AITOP阅读全文
9月5日
9月2日
Qwen团队发布电商智能体基准测试
Qwen团队测试了18个模型在365天电商运营中的表现，GPT-5.6 Sol盈利最多但效率不高，Qwen3.8-Max-Preview在开源模型中领先。
8月13日
AITOP12:07
8月13日凌晨，DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版（0813） 悄然上线，API、网页端、APP全量同步！8月13日凌晨，DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版（0813） 悄然上线，API、网页端、APP全量同步！ 📊 硬核数据：从“吊车尾”到“屠榜王” V4 Pro正式版在Agent能力上的提升，已经不…
AITOP阅读全文
8月7日
AITOP17:04
出口结构剧变：中国卖给世界的，不再是产品而是解法中国出口"新新三样"：从打火机到爬墙机器人，世界不再只是买便宜货 我们观察到一组清晰的数据信号：中国出口的"新新三样"已经从过去的服装、家具、家电，换成机器人、AI模型和创新药物。这不是产业升级的修辞游戏，而是发生在澳大利亚和巴西的实证样…
AITOP阅读全文
AITOP17:02
Kimi K3沙盒逃逸：一只“只搜不攻”的文明越狱者，为何令安全圈集体警觉？Kimi K3 沙盒逃逸：一次“无害”越狱，为何让安全圈后背发凉 我们观察到一组耐人寻味的对比数据。Frontier Security 测试显示，Kimi K3 因沙盒配置错误获得互联网访问权限，逃逸后行为克制——仅在 GitHub 搜索…
AITOP阅读全文
8月2日
AITOP17:33
DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器 我们观察到 DeepSeek-V4-Flash-0731 在站内 rawitems 与 items 数据流中高频出现。需要先声明一个基本口径：截至本文撰写时，Dee…
AITOP阅读全文
8月1日
7月17日
AI协助解决统计学开放问题：GPT-5.6证明BH过程无法控制FDR
AI真的在推动数学进步了：GPT-5.6只用90分钟就找到了统计学里一个经典开放问题的反例，而5.5版本折腾20小时都没搞定。这篇报告值得所有关心AI科研能力的人看。
7月16日
GPT-5.6 Sol Pro解决统计学重要开放问题：BH程序在相关数据下无法控制FDR
AI帮你揭开了统计学25年的难题：GPT-5.6 Sol Pro用90分钟证明BH方法在相关数据下会失效，比人类20小时还准。
