全部动态
一篇讲 Agent 记忆筛选的论文，JointCore 这个基线能把要评估的记忆子集次数砍掉六成多，省 87.8% 的活跃记忆，做 Agent 的可以看看思路。
一篇新论文：ADT 用扩散模型来给 3D 分子结构做 token 化，小分子按原子、蛋白按残基编码，重建时还能补回侧链细节，做分子生成方向的朋友可以看看。
这篇论文发现把约束写进模型自己的思维链里比写在提示里管用得多，做提示词工程或关注 CoT 监控安全的都该看看，尤其是最后那个规避监控的实验。
测试时多采样加验证器很常用，但预算怎么分全靠拍脑袋。这篇论文给出 SPLIT，用小试点数据算出接近最优的分配方案，还公开了 26 个模型上的实测结果。
这篇论文解释了为什么 GRPO 做安全对齐会失效，还给出了 Beacon 框架，在 Qwen3 和 DeepSeek-R1-Distill 上把安全错误最多降了 32.83 个百分点。
Anthropic 做了 3 年可解释性研究的人聊 Claude 内部怎么运作，发现模型会提前规划好几个 token，还挺颠覆直觉的。
一篇做数据分析环境的论文，自动造任务还能验证答案，Qwen3.6-35B-A3B 训完在 DABstep-Hard 涨了 20.9 分。
Anthropic 研究员聊了三年扒开 Claude 内部看运行机制的事，居然发现模型会提前规划好几个 token，听完挺刷新认知的。
OpenAI 一次发布 300 多个 AI 解出的数学结果，把密码学家吓到了——如果 AI 真能啃动数论难题，我们的支付和聊天加密可能受威胁。
AMD 把扩散语言模型 LLaDA-8B 跑进了 NPU，比 CPU INT4 快 1.67 倍、省电 8.9 倍，做端侧推理的可以看看他们的量化与图切分细节。
Anthropic 自己员工的说法：六成人说 AI 已经把合适任务的活儿干得只用原来四分之一时间，还预测五年后七成五工时交给 AI。
Google Research 开源的智能体框架，没标准答案也能自动改 harness，弱模型换上后能追平强模型的基础分，代码已开放。
Anthropic 自家员工说 2030 年 AI 能干掉自己 75% 的活，比美国大众的 28% 乐观太多，这个认知差距本身就很说明问题。
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。
教你怎么给 agent 省钱：拿 Jev 蒸馏个 4B 小模型接进 harness，最省能砍掉 89% 成本还几乎不掉成功率。
教你怎么把 4B 小模型塞进 agent 框架里替 LLM 做常规决策，成本砍掉八成还更快，做 agent 的都该看看。
腾讯发了篇终端智能体训练论文，五阶段交替微调加 PPO，Terminal-Bench 成绩直接翻倍多，奖励审计那段很值得细看。
斯坦福两位教授和 François Chollet 一起聊 AI 安全，把飞机防撞系统的验证方法搬到 LLM 上，还有用 Lean 证明代码正确的 CSLib 演示，硬核但好懂。
NVIDIA 开源了一个中间训练配方，给 Nemotron 加一段 500B token 的软件工程数据训练，SWE-bench 多语言直接从 55.8 涨到 62.8，自己训练编程智能体的可以照抄。
对比了 DeepSeek 和 Reflection AI 各自披露的 RL 训练规模，Beam 用了 13 亿 sandbox 和一万多块 GB300，想看训练算力数据可以留意。
临床 AI 方向的年度综述，NEJM AI 出品，把 2025–2026 的进展归成六个主题，做医疗 AI 的可以按图索骥找文献。
NEJM AI 这篇用 AI 辅助审查分子证据，重新判断 SMO 抑制剂适不适合 SHH 髓母细胞瘤患者，做肿瘤精准医疗的可以看看方法。
Anthropic 和哈佛用 Claude Mythos 5 自动搜量子电路，8 个任务里 7 个超过了人类最佳设计，每个结果都经过独立验证，不是嘴上说说。
微软研究院搞了个 StudentSim，能模拟真实学生来测试 AI 导师讲得好不好，实验里把导师准确率从 75.7% 拉到 90.5%
仅展示最近 2000 条内容，更早的内容请查阅 AI 日报存档