全部动态
Microsoft 在 Nature 发的天气预报研究，把可预测范围推到 2-6 周，思路是给模型配验证系统，搞 ML 的可以看看。
Anthropic 的红队用 Claude 去查 ECDSA 曲线的来历，密码学加 AI 审计的组合挺少见，感兴趣可以看看他们怎么做。
北大和 Samsung 做了个 RealtimeBench，测试里 GPT-6.1-sol 思考太久反而输给快模型 Jev，再用 TORSI 让慢模型离线写指令带快模型，得分翻到 24.19。
Ethan Mollick 分享的一篇论文，用 Gemini 4 智能体组队打 Minecraft，看 AI 怎么自发分工，跟人类协作思路还挺不一样。
LlamaIndex 挑了篇长文档检索论文 VL-DocIR，用 LlamaParse Agentic Plus 解析，连跨列表头和 35 个数字都没丢，做文献处理的可以试试。
MIT 测了 OpenAI 模型做数学物理经济理论题的能力，16 个月成功率从 3% 涨到 35%，一次成功要花约 15 美元，还说验证成了新难题。
DeepMind 让四个 Gemini 4 Argon 智能体自己分工写代码，27 小时通关 Minecraft，做长任务智能体的可以看看这套协作机制。
Nature Medicine 上的一项小型研究，让癫痫患者靠聊天就能调优自己的发作检测模型，思路挺新鲜，医学 AI 从业者可以看看。
Zoom In 论文作者自己出来纠正旧结论，Qwen3-32B 上 90% 神经元有明确职责，做可解释性的人应该看看这篇。
NEJM AI 上一篇用听诊音找左心室功能不全的论文，做了多中心前瞻验证，心内科方向的朋友可以看看方法设计。
医生和用 AI 问诊的朋友都该看看：这项研究直接对比了 LLM 和医生开出的诊疗费用，差异在哪、差多少，数据说话。
医生朋友会关心这个：NEJM AI 的随机对照试验，看 AI 提前给医生生成病历摘要后，问诊时间和沟通质量到底变没变。
Nick Cammarata 声称用 agents 方法推翻了 polysemanticity 假说，做可解释性研究的话可以看看他的论证思路。
SEEK 在新加坡做了个职场调查，37% 的员工默默划水自保，公司钱花在 AI 工具上，管理者却没跟上，值得对照自己公司看看。
这个 3DCodeVerse 让 AI 写代码直接生成 3D 场景，还能自动检查修错，人类评测里 90% 胜过 Claude Design，做 3D 生成的可以看看。
这篇 T2-Z 挺有意思，给机器人世界模型加了个环境隐变量，测试时优化一下就能适应新环境，动作成功率从 34% 拉到 73%，做机器人方向的朋友可以看看。
4 个 Gemini 4 Argon 智能体自己写代码自己调试，27 小时通了 Minecraft，全程没人帮忙，过程细节很值得看。
研究者提出了 MPT 框架，让一群智能体靠互相出价来决定谁干活，不用中央调度，代码也开源了，做 multi-agent 的可以看看。
机器人训练效率有新思路：CoDA 让仿真环境和策略一起进化，LIBERO-Pro 上指令扰动成功率从 1% 拉到 76%，做具身智能的可以看看这篇论文。
arXiv 上的新基准 FDE-Gym，拿 95 个真实客户交付任务考 13 个模型配置，最好的模型也只做对 14 个。想知道智能体离真实交付差在哪，看这篇。
仅展示最近 2000 条内容，更早的内容请查阅 AI 日报存档