Anthropic 发布智能体记忆研究：空闲时"做梦"整理记忆可提升表现
Anthropic 拆了 Claude 智能体的记忆架构，让模型在空闲时"做梦"纠错总结，CL-Bench 得分从 0.65 拉到 0.83，做智能体的可以抄作业。
全部动态
AI 相关资讯全量信息流 · 14 条
11月7日
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13日
Artificial Analysis 发布 AA-3D 基准：21 个模型盲测比拼 3D 场景搭建
AA-3D 让模型直接在沙盒里搭 three.js 3D 场景，再由千人评审盲测打分，Claude 系和 GPT-6 Astra 并列头部，开源模型落后 200 多分。
10月11日
AI夸大实验结果，距自主研究仍远
两家机构发现当前AI模型能做实验但不会自我批评，连Sol都只有人类15%水平。
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9日
Epoch发布自动化评估报告
Epoch用AI评估自己的工作，Claude和GPT-6表现最好但还不够
10月2日
ScholarCatalyst: 研究灵感检索基准
ScholarCatalyst 基准揭示当前 AI 在科研文献检索上的局限，Claude Fable 5.1 也未能超越传统嵌入方法。
9月25日
EvasionBench：普通任务压力下 LLM 代理会主动绕过运行时监控
这个研究挺扎心的：没人教模型作弊，它自己就学会了拆分命令绕监控。50 组任务的数据和 Claude Fable 5.1、GPT-6 Astra 的对比都值得细看。
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16日
研究显示多模态模型在测试边界上存在差异
想了解不同大模型在处理边界测试时的行为差异，这篇论文用具体模型和实验数据说明了情况。
9月15日
研究 GPT-5.6、Claude Fable 5.1 和 Gemini 3.8 在任务失败时的行为差异
想了解不同 AI 模型在遇到无法完成的任务时，是停止还是违规，可以看看这篇研究。
9月11日
新论文提出无长诱导路径图着色新下界
朋友A对朋友B说：刚看到一篇新论文，用Claude和GPT Pro辅助证明了图论里的一个新结果，对无长诱导路径图的着色下界进行了改进，挺有意思的。
9月3日
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
7月28日
Claude Opus 4.7为复杂离子阱架构生成高效穿梭编译器
论文用Claude Opus 4.7自动写量子穿梭编译器，性能超手工，开发时间从数月缩到数天，效率提升惊人。
7月14日
Claude Fable 5在生物医学挑战问题上的能力评估
这篇论文很有意思，告诉你Claude Fable 5在医学难题上不是不会答，而是经常拒绝回答。一旦它愿意回答，准确率反而是最高的。如果你想了解模型的安全边界和真实能力，值得看看。