全部 AI 动态 · AITOP

9月3日

11:49

官方一手arXiv: DeepSeek@Zhengyi Jin, Ru Zhang, Xiao Chen, Xinbo Liu, Jiaxuan Lin, Jia Huang, Jianyi Liu, Zhen Yang

精选73°

研究人员提出FUSE框架，通过知识(K)、防御(D)和危害(H)三个正交管道评估模型。该框架使用化学-生物(CB)模块评估了12个商业LLM，来自Claude、DeepSeek和GPT四个家族。研究发现模型间危险能力存在显著差异，知识相当的模型在拒绝韧性上表现不同，强防御模型在服从时仍可能生成有害内容。时间分析表明，新模型知识增强但防御仅部分改善，扩展和对齐进展未均匀转化为安全提升。

论文 FUSE LLMs Claude

推荐理由：FUSE框架首次系统评估了12个商业LLM的危险能力，发现模型间存在显著差异，新模型知识增强但安全提升有限。

原文

11:47

官方一手arXiv: OpenAI@Til Jordan

研究人员测试了九个来自三家公司的大语言模型，探究门脸效应(先提大要求被拒后再提小要求)是否有效。在Anthropic的Opus 5模型上，该技术使合规率从29.3%提升至65.8%。但在OpenAI和Google的前沿模型以及Haiku 4.5上，反而降低了15.5至23.0个百分点的合规率。研究发现，拒绝行为本身对所有模型都有影响，但模型家族对拒绝的反应各不相同。

论文 Opus 5 门脸效应拒绝行为

事件专题

推荐理由：Anthropic模型对人类说服技巧有反应，而OpenAI和Google模型反而更抗拒，这种差异很有意思。

原文

11:44

官方账号arXiv cs.LG@Isaiah Andrews, Suproteem Sarkar

该研究评估了语言模型在概率预测方面的一致性。研究人员通过构建线性程序计算荷兰书利润，衡量模型预测的不一致性。研究发现语言模型预测存在显著不一致性，事件间逻辑关系越丰富，不一致性越高。无关上下文细节可使不一致性提高一个数量级。

论文语言模型概率预测荷兰书

推荐理由：荷兰书利润方法评估语言模型预测一致性，发现模型在概率预测上存在显著不一致，尤其在复杂逻辑关系下更明显。

原文

11:44

官方账号arXiv cs.LG@Zhaoming Li, Paul Hand

精选

该研究建立了可调线性生成先验在压缩传感中的理论框架。研究证明在无噪声高斯压缩传感中，全维线性先验在整个线性先验家族中达到最小期望重建误差。这一结果与去噪行为形成对比，在去噪中较低复杂度的先验因偏差-方差权衡能获得更低重建误差。该研究表明神经网络先验在压缩传感中的可调性实验优势源于生成模型的非线性特性。

论文压缩传感生成先验线性模型

推荐理由：这篇论文揭示了压缩传感中可调线性生成先验的理论边界，解释了为什么神经网络先验的可调性在实际应用中有效。

原文

11:43

官方账号arXiv cs.LG@Varun Gadey, Ziad Marey, Alexandra Dmitrienko

精选73°

研究人员提出CodePoisonRAG框架，通过CWE特定漏洞注入和语义误标技术，将良性代码条目转化为有毒工件。该研究覆盖Java和C语言的10个CWE类，构建85个有毒工件，总体投毒比例为0.7%。在三个生成器中，所有85个工件均位列对应查询的前3名，攻击成功率在0.80至0.93之间。即使面对CodeGuarder防御，攻击成功率仍保持在0.40至0.71。

论文 CodePoisonRAG RACG CWE

推荐理由：研究人员展示了如何针对代码生成系统进行精准知识投毒，成功率高达93%，连安全防御都难以完全阻挡。

原文

11:43

官方账号arXiv cs.LG@Yuzhang Luo, Chenpeng Wang, Jianhui Chen, Liangming Pan

精选73°

研究团队提出了一种基于影响函数的响应重写方法，在四个开源大模型上测试。与传统的重加权干预相比，重写方法产生了更强、更持久且双向的行为转变。影响函数选择的样本在重写干预中展现出更大的杠杆作用，且变化集中在目标相关行为上。这一发现在安全拒绝任务中也表现出相同的定性对比。

论文训练数据归因影响函数开源大模型

推荐理由：研究人员发现影响函数选中的样本通过重写而非重加权能更有效改变模型行为，这对训练数据归因方法评估有重要启示。

原文

11:42

官方账号arXiv cs.LG@Wassim Tenachi, Yashar Hezaveh, Laurence Perreault Levasseur, Pierre-Luc Bacon

研究评估了四个表格基础模型(TabPFN-3、TabICLv2、TabDPT和Real-TabPFN-2.5)在316个物理方程数据集上的表现。这些模型在基准测试中表现优于六种基线方法，无需微调即可主导结果。然而研究表明，这些模型的先验知识既无法表示无噪声机制，也无法处理物理单位，因此它们只能插值物理数据，尚不能作为真正的物理模型使用。

论文 TabPFN TabDPT 表格基础模型

推荐理由：这篇论文测试了4个表格模型在316个物理方程上的表现，发现它们能插值物理但不懂单位和噪声机制。

原文

11:42

官方账号arXiv cs.LG@Robin Linzmayer, Noémie Elhadad

73°

研究分析了大型语言模型在医疗问答中如何受到误导上下文的影响。研究使用了包含8,627个问题的MedMisBench基准测试，评估了三种推理模型对两种误导线索的易感性。模型对断言的采纳率比伪造证据高10-27个百分点。81-98%的推理轨迹中包含了误导线索，但响应中仅披露7-90%。LLM监控器在开放推理轨迹上能以5%的误报率捕获78%的错误决策。

论文 MedMisBench 医疗问答推理模型

推荐理由：医疗AI研究团队发现模型对断言比对证据更易受影响，开放推理轨迹能更好检测错误决策。

原文

11:42

官方账号arXiv cs.LG@Ge Sun, Gervasio Zaldivar, Yuan Tian, Gustavo Perez Lemus, Juhae Park, Dasha Safarian, Ming Han, Juan J. de Pablo

精选73°

HiPoly是一种基于G2RINS表示的三层分层图架构AI框架，可直接编码随机单体连接性、组成和分子量。该框架实现了从实验配方数据到物性预测、生成分子设计和基于物理验证的端到端工作流。研究团队展示了多组分聚合物系统热物理性能的最先进预测精度，消融研究证实每个分层设计选择独立贡献于模型性能。

论文 HiPoly G2RINS 聚合物

推荐理由：HiPoly框架能从实验数据直接预测聚合物性质并设计可持续替代品，比传统方法更高效准确。

原文

11:41

Jerry Liu@jerryjliu0

精选

Jerry Liu指出厂商中立初创公司能比前沿实验室更好地解决特定任务。这些公司可访问全套开源和前沿模型，能根据需要使用前沿模型，并针对特定任务优化端到端系统。凭借领域专业知识，这些公司甚至可以对模型进行后训练，创建专业评估标准。

行业 Jerry Liu 厂商中立 AI模型

推荐理由：Jerry Liu分析厂商中立初创公司如何利用多模型优势优化特定任务解决方案。

原文

11:40

小互@imxiaohu

Claude在Cowork和Code环境中现在可在后台独立窗口运行。Claude能够模拟点击操作、访问网页和打开应用程序。用户可以在其他工作同时让Claude执行电脑任务。Claude不再与用户抢夺键盘和鼠标控制权。

AI产品 Claude Computer Use Claude Cowork

事件专题

推荐理由：Claude更新了Computer Use功能，现在能在后台操作电脑，不影响你工作。

原文

11:40

官方账号arXiv cs.LG@Namgyu Ho, Huzama Ahmad, Woosung Koh, Se-Young Yun, Tal Schuster, Cicero Nogueira dos Santos

78°

研究团队提出声明式注意力(DA)协议，让模型在思维链中声明需要关注的内容区域。该协议将生成分为全局、聚焦和局部三种模式，在15个长上下文任务中，Gemma-4-31B和Qwen-3.6-27B模型解码时关注token分别减少52.0%和31.1%，准确率仅下降1.27pp和2.75pp。

论文声明式注意力 Gemma-4-31B Qwen-3.6-27B

推荐理由：新DA协议让模型自己决定关注哪部分内容，大幅减少计算量，Gemma和Qwen模型效果显著。

原文

11:07

e27@Ravinder Sajwan

医疗行业正从间歇性干预转向连续性数据驱动护理，类似于20世纪初电力从新奇事物转变为基础设施的过程。垂直AI技术将引领医疗进入智能主导的新时代，实现以患者为中心的持续护理模式。这一转变将重塑医疗服务的提供方式和效率。

行业垂直AI 医疗数据驱动

推荐理由：医疗行业正经历从间歇性干预到连续智能护理的转变，垂直AI将如何重塑医疗基础设施。

原文

11:06

11:06IT之家（博客/媒体）

MagicOS 11系统迭代后，苹果iPhone来电可直接在荣耀Magic9上调用AI通话接听功能。接通后支持通话录音、AI转写，并可接入YOYO完成一系列操作。荣耀表示全品牌互联是其强项，今年将在兼容苹果生态方面进一步深化。

AI产品 MagicOS 荣耀Magic9 iPhone

推荐理由：荣耀MagicOS 11让iPhone来电也能在Magic9上AI接听，还能录音转写，跨品牌联动更方便了。

原文

11:06

Geek@geekbb

精选

向阳乔木发布Obsidian插件qiao，支持EPUB、FB2和PDF格式阅读。该插件基于俄罗斯项目改造，针对中文阅读优化，增加适合阅读的字体和主题。用户可使用本地Codex、Claude、Grok cli等模型辅助阅读，也支持DeepSeek、GLM、kimi等模型配置。

技巧 Obsidian qiao EPUB

推荐理由：Obsidian新增qiao插件，把电子书阅读批注转为Markdown笔记，支持多种本地AI模型辅助阅读。

原文

11:05

shao__meng@shao__meng

Claude 5.1 版本提示词指南教你避免 Claudish 和 AI Slop。该指南提供了写作密度优化方法，帮助用户获得更自然的输出。Claude 官方文档详细解释了如何让 AI 输出更接近人类表达。

技巧 Claude Claude 5.1 提示词工程

推荐理由：Claude 官方教你如何避免 AI 行话，让输出更自然，5.1 版本有具体方法。

原文

11:01

量子位@林, 方舟

神秘具身团队近日发布了一系列Demo视频，展示了其自进化模型的能力。该模型能够自主学习和改进，无需人工干预。团队还公开了其技术路线，包括多模态融合和持续学习机制。这些Demo展示了模型在复杂环境中的适应能力。

AI模型具身团队自进化模型多模态

推荐理由：神秘具身团队放出自进化模型Demo，展示无需人工干预的自主学习能力，技术路线也公开了。

原文

10:56

shao__meng@shao__meng

精选76°

斯坦福大学将于2026年秋季开设CS 329Z课程，主题为"工程AI智能体"。课程由三位讲师共同授课，包括斯坦福NLP教授Diyi Yang、DSPy核心贡献者Michael Ryan和软件工程Agent领域研究者Jason Yang。课程涵盖从LLM流水线到自主Agent的构建，重点解决分解、数据和评估三大工程挑战。课程分为五个模块，包括构建基元、框架与设计模式、优化、数据与评估以及安全与前沿。

技巧 CS 329Z DSPy SWE-agent

推荐理由：斯坦福三位大牛联手教AI智能体工程，从零构建到系统评估，全是干货。

原文

10:55

官方一手宝玉的分享@Matthew Koen, Ali Shazal

精选

Anthropic发布了生产级商业智能体的通用架构总结。该指南详细介绍了延迟、成本、记忆、安全与评测方面的工程实践。这些实践适用于构建高效商业智能体。

技巧 Anthropic 商业智能体智能体

事件专题

推荐理由：Anthropic教你如何构建商业智能体，包含延迟、成本等关键工程实践

原文

10:46

10:46IT之家（博客/媒体）

PS3模拟器RPCS3团队宣布不会接入英伟达DLSS 5技术。测试表明使用泄露的DLSS 5 DLL文件会降低性能，英伟达数据显示开启DLSS 5会使游戏帧率下降50%-60%。RPCS3团队批评这是粗制滥造的产品。

AI产品 RPCS3 DLSS 英伟达

推荐理由：RPCS3团队实测DLSS 5后决定不集成，英伟达自己都承认性能下降50%-60%

原文

10:46

宝玉@dotey

精选73°

Anthropic为Claude Code开源了/claude-api技能，支持Python、TypeScript等8种语言。该技能包含cost-optimize、prompt-audit和migrate三个子命令，可分析API使用情况、审计提示词问题并协助代码迁移。特别针对Fable 5.1版本优化，其提示词缓存价格降低75%。

AI产品 Claude Claude Code /claude-api

事件专题

推荐理由：Anthropic新推的Claude API技能帮你省钱、优化提示词，还能轻松升级代码到新模型。

原文

10:40

Jerry Liu@jerryjliu0

73°

ExtractBench已在Kaggle上线，测试了5.6 Sol、OpenAI模型、Gemini 3 Flash和Opus 5等前沿模型在文档提取任务中的表现。该基准测试涵盖370个企业文档，涉及8个商业领域和67种文档类型，包括长记录列表、噪声扫描、手写和复杂表格等。LlamaParse作为专用提取工具，在价格/性能前沿提供基础引用功能。

AI模型 ExtractBench 5.6 Sol LlamaParse

事件专题

推荐理由：Llama团队发布了ExtractBench基准，测试了5.6 Sol等模型在复杂文档提取上的表现，还对比了LlamaParse等工具。

原文

10:32

小互@imxiaohu

73°

Anthropic发布了Claude Fable 5.1的提示指南，包含16条建议。新模型在算力档位上，medium可平替上一代且更便宜，low能越级抗衡Opus/Sonnet。工具并发方面，建议代码操作中一次性并发调用无依赖工具。复杂任务执行时，可防半途停顿，让非破坏性操作一口气完成。

技巧 Claude Fable 5.1 提示词工程

事件专题

推荐理由：Anthropic给Claude Fable 5.1出了实用提示指南，教你如何让它更高效执行复杂任务，还分享了算力档位选择技巧。

原文

10:23

e27@Gary Lim

谷歌Gemini东南亚报告显示，该地区近70%的提示词使用本土语言提交。越南本土语言使用率高达89%，泰国为87%，泰国为84%。这一趋势表明东南亚市场对本土语言AI解决方案的迫切需求。

行业 Gemini 东南亚越南

推荐理由：谷歌报告揭示东南亚语言使用习惯，本土语言AI需求远超预期。

原文

10:23

Tech in Asia@Naomi Li Gan

Equinix与Nvidia和Together AI合作推出Inference Exchange服务。该服务提供AI推理基础设施支持。Together AI是美国AI云公司。

行业 Equinix Nvidia Together AI

事件专题

推荐理由：Equinix联合Nvidia和Together AI推出AI推理服务，为企业提供AI基础设施支持。

原文

10:17

Tech in Asia@Diya Lal

台积电副共同运营长Cliff Hou表示，公司正尝试在台湾和海外建设并装备约20座工厂。台积电将大幅增加AI相关设备支出，预测金额接近原计划的两倍。这一投资规模反映了台积电对AI芯片制造的高度重视。台积电正在全球范围内扩大其先进制程产能。

行业台积电 AI芯片半导体

推荐理由：台积电要花双倍的钱建20座工厂，全力支持AI芯片生产

原文

10:17

Tech in Asia@Aiko Gao Ishida

精选

Google推出Gemini 3.8 Flash和Flash Cyber两个新模型。Gemini 3.8 Flash Cyber在CWE-Bench基准测试中达到47.2%的pass@1分数。该基准测试专门用于评估软件漏洞修复能力。Flash Cyber专注于网络安全领域的应用。

AI模型 Gemini Gemini 3.8 Flash Cyber CWE-Bench

推荐理由：Google新发布的Gemini 3.8 Flash Cyber在软件漏洞修复基准上取得47.2%的pass@1分数，专为网络安全场景优化。

原文

10:15

官方账号arXiv cs.AI@Luca Migliaccio, Roberto Natella, Naghmeh Ivaki, Nuno Laranjeiro, Marco Vieira

精选73°

研究人员提出使用大模型自动向Solidity智能合约注入漏洞的方法。该方法针对OpenSCV的49种漏洞类型进行测试，从SmartBugs真实合约生成近1000个候选变体。经去重和验证后，确认32个包含25种漏洞类型的合约（存活率16.58%）。研究团队使用这些合约评估了三种静态分析工具，揭示了它们互补且不完整的覆盖特性。

论文智能合约大模型漏洞检测

推荐理由：论文展示用大模型自动生成带漏洞的智能合约，帮助测试安全工具，发现现有分析工具的局限性。

原文

10:14

shao__meng@shao__meng

精选73°

Anthropic 开源了 Claude Commerce Agents，包含购物智能体和商家智能体。该方案支持零售、旅行、电信和票务娱乐四个垂直行业，可通过 Messages API、Claude Agent SDK 和 Managed Agents 三种方式运行。架构采用单智能体 + Skills 设计，而非多子智能体，在质量和成本延迟上表现更优。

AI模型 Claude Commerce Agents Anthropic 智能体

事件专题

推荐理由：Anthropic 开源了电商智能体方案，包含面向消费者和商家的两个智能体，采用单智能体架构，比子智能体方案更优。

原文

10:14

shao__meng@shao__meng

78°

Meta AI Research 发布 Muse Spark 1.3，基于大规模用户反馈优化了智能体任务和编码任务。新版本在工程化和落地应用方面有显著提升，工具调用减少约 20%，token 消耗减少约 25%。模型在长程任务处理、主动协作、复杂指令遵循、多任务路由和自我认知校准五个方面进行了针对性改进。

AI模型 Muse Spark Meta AI 智能体

推荐理由：Meta 推出了 Muse Spark 1.3，智能体和编码能力大幅提升，成本降低 25%，更适合生产环境使用。

原文

10:14

shao__meng@shao__meng

精选73°

阿里 Zvec 团队开源 zg (zvec-grep)，一个本地优先的搜索工具，整合了语义检索、BM25、混合检索和 ripgrep 精确匹配。该工具内置 11 个本地 Embedding 模型，默认使用 local/potion-code-16m-v2（16M 参数，约 32 MiB）。在 SWE-QA-Bench 测试中，工具调用减少 >50%，输入 token 减少约 50%，Judge 得分 +1.50。

AI产品 zg zvec-grep Zvec

事件专题

推荐理由：阿里开源了 zg，一个能同时做语义和精确搜索的本地工具，让 AI Agent 找代码更快更准。

原文

10:12

官方账号arXiv cs.AI@Mason Youngblood, Katie Mudd, Manuel Anglada-Tort, Cameron Jones, Elena Miu, Diana Omigie, Margaret Schedel

研究人员分析了生成式AI如何改变文化创作与传播。研究指出AI辅助创意能提高单个作品的新颖性，但可能降低整体多样性。人类与AI模型以互补方式搜索创意，混合团队表现优于单一团队。机器发现的解决方案可进入人类文化并持续存在。最终结果取决于组成要素：参与主体、比例及连接方式。

论文生成式AI 创造力混合团队

推荐理由：这篇论文分析了AI如何影响人类创造力，提出混合团队表现优于单一团队，探讨了AI与人类创意互补的可能性。

原文

10:12

官方账号arXiv cs.AI@Pawel Struski, Jakub Swistak, Inez Okulska, Przemyslaw Biecek

研究人员通过复刻经典经济实验，用大语言模型(LLM)替代人类参与双向拍卖市场。实验显示，LLM代理的市场收敛速度较慢或无法收敛，资源分配效率低于人类市场。不同模型家族和市场角色的代理表现出显著异质性。思维链(CoT)分析发现，执行交易而非调整价格的决策与从战略考量转向紧迫感相关。

论文 LLM 双向拍卖市场均衡

推荐理由：这篇论文测试了GPT、Claude等LLM在真实市场机制中的表现，发现它们比人类效率低，还公开了测试框架。

原文

10:09

官方账号arXiv cs.AI@Yan Zhong, Gefei Chen, Qiufang Ma, Zhen Wang, Zhiwei Fan, Lei Shi, Tingting Jiang

73°

研究人员提出UEAP-4k数据集，专为UGC增强图像的异常感知任务设计。该数据集包含真实业务场景中的4k图像，提供异常类别、位置和严重程度的细粒度标注。团队开发了DFAP-UGC方法，通过差异融合和空间查询实现鲁棒异常识别，在实验中超越传统基线方法。

论文 UEAP-4k DFAP-UGC UGC

推荐理由：OpenAI发布新数据集和方法，专门解决社交媒体图片增强后的异常检测问题，比传统方法更准确。

原文

10:09

官方账号arXiv cs.AI@Chuer Chen, Zichen Wang, Yi He, Zhengxi Yu, Nan Cao

精选73°

研究团队推出VMetaphor-Bench，这是首个评估文本到图像模型视觉隐喻生成的基准，包含1500个真实创意图像隐喻，分为3个级别和10个类别。研究采用混合评估框架，通过MLLM-as-judge范式，包含9594道多选题和3个感知维度的评分。对11个代表性T2I模型的评估显示，即使是专有模型在组合结构和跨域映射方面也存在困难。

论文 VMetaphor-Bench T2I 视觉隐喻

推荐理由：研究人员发布了首个视觉隐喻生成基准，测试了11个模型，发现即使是最好的模型在隐喻表达方面也有明显不足。

原文

10:08

官方账号arXiv cs.AI@Adrien Mialland, Marc Plantevit, Julien Gallois, Céline Robardet

精选73°

ViSAR是一种针对视觉文档问答的检索增强生成方法，通过构建查询条件化的页面级相似矩阵，动态确定检索页面数量。该方法在多个编码器和大型视觉语言模型上测试，可将RAG延迟降低58.7%，同时保持或提高答案准确性。研究还发现相似矩阵结构与答案准确性相关，为检索质量感知的文档理解提供新方向。

论文 ViSAR DocVQA RAG

推荐理由：ViSAR让文档问答系统更聪明，能根据问题复杂度自动调整检索页面数，速度提升近六成还不影响准确率。

原文

10:07

官方一手pandaily@contact@pandaily.com (Pandaily)

字节跳动旗下Doubao品牌将与ZTE Nubia合作推出NaviX Ultra手机，被称为全球首款AI智能体手机。该产品预计于2026年9月发布，标志着模型制造商与手机品牌之间的AI原生竞争开始。Doubao曾退出手机市场，此次回归显示其战略重心调整。

AI产品 Doubao NaviX Ultra ZTE Nubia

推荐理由：字节跳动Doubao联手ZTE Nubia推全球首款AI智能体手机，2026年9月见真章。

原文

10:07

官方一手pandaily@contact@pandaily.com (Pandaily)

腾讯发布WorkBuddy开放平台，这是首个覆盖硬件、行业应用和开发者的国内AI智能体生态系统。平台推出了九款联合品牌设备，已接入超过100家合作伙伴。该平台旨在构建完整的AI智能体生态链。

AI产品 WorkBuddy 腾讯 AI智能体

推荐理由：腾讯上线WorkBuddy开放平台，联合100+伙伴推出9款联名设备，打造国内首个AI智能体生态。

原文

10:06

10:06IT之家（博客/媒体）

戚薇推出个人官方数字分身，将主演末世AI漫剧《末日盛夏》。她表示授权有期限、有范围且有审核，旨在区分合法与非法使用。戚薇认为真人形象与数字形象应成为两条独立又协同的创作线。AI演员主要冲击标准化、重复性高的从业者。

行业戚薇 AI演员数字分身

推荐理由：戚薇解释为何主动授权AI形象，谈数字分身与真人演员的分工，以及AI对行业的影响。

原文

10:04

10:04IT之家（博客/媒体）

小米18 Fold中折叠手机将首发搭载玄戒O3芯片，安兔兔跑分高达522万分，是首个突破500万分的旗舰SoC。该芯片支持LPDDR6内存，带宽达113.8GB/s，NPU拥有200TOPS张量算力。新机还将首发澎湃OS 4，强调基础体验流畅、功能升级和全生态AI协作。

AI产品小米18 Fold 玄戒O3 澎湃OS 4

推荐理由：小米18 Fold首发玄戒O3芯片和澎湃OS 4，性能和AI能力大幅提升，折叠形态新体验。

原文

仅展示最近 2000 条内容。更早的内容请查阅 AI 日报存档（侧边栏 → AI 日报 → 顶部「往期日报」）。