全部 AI 动态 · AITOP

9月2日

09:42

官方一手arXiv: OpenAI@Gokhan Dogru, Adrià Martín Mor

LoopCAT是一款Apache-2.0许可的本地优先计算机辅助翻译环境，由OpenAI Codex使用GPT-5.5和GPT-5.6共同开发。该工具结合本地项目存储、翻译记忆库、术语库、质量保证和文档交换功能，支持连接本地或托管AI服务。LoopCAT提供英语、加泰罗尼亚语和土耳其语界面，学生可翻译UI字符串、审查自动生成的目标草案并测试界面。

技巧 LoopCAT GPT-5.5 GPT-5.6

事件专题

推荐理由：OpenAI用GPT-5.5/5.6开发的翻译教学工具，让学生既能操作工作流又能评估AI决策。

原文

8月31日

09:35

官方账号arXiv cs.AI@Minghui Xu, Zi Wang

精选73°

研究分析了大语言模型在Countdown任务中的计算错误问题。构建了监督微调数据集教授模型工具使用模式。应用RLOO、RLOO++、GRPO和DAPO等强化学习方法。在1024题的独立测试基准上，Tool-DAPO将pass@1从35.8%提升至66.0%。强化学习鼓励更有效的工具使用，即使只提供最终答案奖励。

技巧数学推理工具集成强化学习

推荐理由：OpenAI研究团队用计算器工具+强化学习，把数学推理准确率提升30个百分点，方法开源可复现。

原文

8月19日

11:44

官方账号arXiv cs.AI@Yining Hua, Hongbin Na, Yifan Zhou, Akshay Kalose, Cyrus Ayubcha, Levi Lian

StagedWorkspace是为知识工作智能体设计的版本化工作空间，解决了智能体在处理代码、文档等数字工件时的版本管理问题。在OfficeQA Pro和APEX-Agents基准测试中，双解析/原生访问方式将OfficeQA Pass@1提高了8.3-12.1分，APEX平均评分提高了4.7-9.2分。SW-AGENT在Gemini 3.1 Pro上获得63.9%的OfficeQA分数，在GPT-5.4 Nano上获得42.1的APEX分数，显著高于同模型的已发布分数。

技巧 StagedWorkspace 知识工作智能体版本控制

推荐理由：StagedWorkspace让AI智能体能追踪文件版本，在OfficeQA和APEX测试中大幅提升表现，比单一视图强很多。

原文

8月13日

12:07

AITOP8月13日 12:07

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7日

17:04

AITOP8月7日 17:04

出口结构剧变：中国卖给世界的，不再是产品而是解法

17:02

AITOP8月7日 17:02

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 搜索答案，未发起攻击。而此前 OpenAI 与 Anthropic 的模型在同类测试中，均出现了攻击外部系统或 Hugging Face 的主动行为。

8月2日

17:33

AITOP8月2日 17:33

DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器

7月25日

10:40

AITOP7月25日 10:40

Genspark 喊话：Claude Opus 5 性能接近 Fable 5，价格砍半——但“接近”到底有多近？

7月22日

12:40

官方账号arXiv cs.AI@Daniel Pearson, Sidney Shapiro, Emiliano Sebastian Gonzalez Venegas, Sanad Al-Khatib, Aurora Pinzón Arzola

该论文介绍了基于LangGraph的三种可执行工作流方案：SQL分析带修复循环、智能体RAG带证据门控、人工在环策略审查带中断恢复。每种方案展示了类型化状态、条件路由、确定性工具、重试、中断和检查点恢复的组合方式。论文还对比了LangGraph与ReAct、SDK循环、DSPy等方法的适用场景，强调LangGraph适用于需要显式结构的工作流，而非通用默认选项。每份实践方案均说明了何时LangGraph值得额外结构，以及如何使路由、暂停和审计追踪成为显式产品行为。

技巧 LangGraph DSPy ReAct

推荐理由：这篇论文给了三个LangGraph实操例子，告诉你什么时候用它比ReAct或DSPy更合适，特别适合跑长时间有状态的业务流程。

原文