最新 AI 新闻与行业动态

论文 Agent 与开发者精选10:13

研究提示词自然语言差异对LLM自动代码生成的影响

想了解LLM生成代码时，提示词语言差异的影响，以及翻译这种偏见的有效性，这篇论文有具体数据支撑。

#LLM #代码生成 #提示词工程 #语言偏见

arXiv: DeepSeek@Haruka Tokumasu 等 8 人原文

论文 Agent 与开发者精选16:35

K-Bench：为高风险心理健康对话开发临床校准基准

朋友推荐：新开发的K-Bench基准专门用来测试AI在处理高风险心理健康对话时的表现，能帮你了解不同模型在应对自杀、自残等场景时的能力差异。

#K-Bench #大语言模型 #心理健康 #基准测试

arXiv cs.AI@Laura M. Vowels 等 12 人原文

论文 Agent 与开发者精选13:05

LLM用于JavaScript代码漏洞识别的研究

朋友，有个研究挺有意思，用大模型（比如Gemini 1.5 Flash）来识别JavaScript代码里的漏洞，准确率能到60%，比传统工具强多了。

#Gemini 1.5 Flash #GPT-4o Mini #DeepSeek-R1-Distill-Llama-8B #漏洞识别

arXiv: DeepSeek@Manit Kaushik 等 5 人原文

论文中美对照精选13:04

研究显示大语言模型推理能力提升心理深度需看评判者是谁

朋友间推荐：研究GPT-5和GPT-4o、DeepSeek-R1和V3在心理深度上的表现差异，以及LLM作为评判者的不同结果，挺有意思的。

#GPT-5 #GPT-4o #DeepSeek-R1 #DeepSeek-V3

arXiv: DeepSeek@Ruichen Zheng 等 7 人原文

模型 Agent 与开发者多源确认05:47

Agent Arena 排行榜更新

朋友，Agent Arena 的排行榜更新了，你可以去看看不同 AI 智能体在基准测试中的表现，比如 GPT-4o 和 Claude 3.5 Sonnet 的对比。

#Agent Arena #GPT-4o #Claude 3.5 Sonnet #智能体

事件专题

lmarena.ai@lmarena_ai11 个信源在谈原文

产品 Agent 与开发者精选23:40

LangSmith LLM Gateway 推出

LangChain 推出的 LLM Gateway，能帮你更方便地管理不同 LLM，比如 Claude 3.5 和 GPT-4o。

#LangChain #LLM Gateway #提示词工程

官方账号LangChain@LangChainAI原文

模型中美对照多源确认22:20

互联网使能代理失控，引发技术担忧

Gary Marcus说，别再搞这些失控的互联网使能代理了，这就像打开潘多拉的盒子，希望它可控，结果可能更糟。

#GPT-4o #OpenAI #互联网使能代理 #失控风险

事件专题

Gary Marcus@GaryMarcus11 个信源在谈原文

模型中美对照多源确认19:46

生数新世界模型让机器人开始自我进化

生数新世界模型（RSI）让机器人能自我进化，比OpenAI的GPT-4o更先进。

#生数新世界模型 #机器人操作系统 #强化学习

事件专题

量子位@林, 方舟11 个信源在谈原文

模型中美对照18:53

生数新世界模型让机器人开始自我进化

生数发布了新模型，能让机器人自己进化，比GPT-4o更厉害。

#生数 #机器人控制 #自进化

量子位@衡宇原文

模型中美对照21:52

DeepSeek打破大模型涨价魔咒

DeepSeek新模型价格不贵，和GPT-4o等比起来更亲民。

#DeepSeek #大模型 #价格

Geek@geekbb原文

模型 Agent 与开发者精选17:42

轻量版LingBot-World 2.0开源，单卡实时运行

这个轻量版世界模型开源了，1.3B参数，单卡就能实时跑，对开发者来说很实用。

#LingBot-World #世界模型 #开源模型 #实时运行

量子位@十三原文

模型 Agent 与开发者多源确认73°11:54

OpenAI发布GPT-4o架构细节

OpenAI公开了GPT-4o的技术架构，开发者能了解其工作原理和性能优势。

#GPT-4o #OpenAI #多模态 #推理模型

事件专题

小互@imxiaohu11 个信源在谈原文

论文 Agent 与开发者精选73°09:23

内核管理共享内存实现系统级个性化

新系统让AI助手共享用户记忆，GPT-4o等模型个人化分数提升2-4分，响应速度提高15-61%。

#GPT-4o #Llama-3.1 #Qwen-2.5 #AIOS

arXiv cs.AI@Ryan Lum, Yongfeng Zhang原文

行业中美对照多源确认73°15:12

Anthropic研究员警告AI巨头拿人类生命赌博

OpenAI前研究员爆料AI巨头内部真实恐惧，认为他们拿人类文明冒险，还透露了GPT-4o研发内幕。

#Anthropic #OpenAI #GPT-4o #AI安全

事件专题

IT之家11 个信源在谈原文

产品 Agent 与开发者11:13

OpenRouter 默认使用 GPT-4o Image 2.5 Flare

OpenRouter 默认换成了 GPT-4o Image 2.5 Flare，专门做视觉内容创作和产品原型，比之前的更适合设计师和开发者。

#GPT-4o #OpenRouter #Image 2.5 Flare #视觉生成

OpenRouter@OpenRouterAI原文

论文 Agent 与开发者精选10:33

LLM生成资产壳质量评估方法研究

工业4.0中，研究人员用三种模型测试了6400个资产壳实例，找到了评估AI生成资产壳质量的可靠指标。

#AAS #GPT-4o-mini #Qwen3 #DeepSeek-R1

arXiv: DeepSeek@Janek Groß 等 3 人原文

行业多源确认精选23:41

LangSmith发布大模型使用报告

LangChain团队发布的大模型使用报告，显示gpt-4o-mini使用率最高，DeepSeek V4 Flash是唯一上榜的开源模型。

#LangSmith #gpt-4o-mini #gpt-4.1-mini #DeepSeek V4 Flash

事件专题

官方账号LangChain@LangChainAI4 个信源在谈原文

论文精选73°11:10

LLM代码生成中的复合提示约束研究

OpenAI等模型在复合提示下表现差异大，JSON+专家角色+中等紧急程度组合导致GPT-4o-mini性能下降12.2个百分点。

#LLM #代码生成 #提示工程 #HumanEval+

arXiv: OpenAI@Shrenik Jadhav 等 6 人原文

模型中美对照73°15:43

阿里更新旗舰模型Qwen3.8-Max

阿里Qwen3.8-Max编程能力登顶全球，代码生成超越GPT-4o，开发者必看。

#Qwen3.8-Max #阿里 #编程 #HumanEval

量子位@量子位的朋友们原文

论文精选73°09:33

微调大模型提升PR与问题分类

研究人员微调了多个大模型来自动匹配PR和问题，准确率提升显著，还能解释模型决策依据。

#CodeLlama-7B #GPT-4o #微调 #PR分类

arXiv: DeepSeek@Mustafa Yasir Altunhan 等 3 人原文

论文10:41

多模态语义扩展与约束型LLM重排序对话音乐推荐

Semiintelligencn团队提出的多模态音乐推荐系统，结合了多种技术和模型，优化了推荐效果，值得一试。

#多模态语义扩展 #约束型LLM重排序 #对话音乐推荐 #GPT-4o-mini

arXiv cs.AI@Naman Garg 等 3 人原文

模型中美对照多源确认23:05

Kimi K3靠Harness逼近Opus 5

Kimi K3用Harness框架，在18个Agent科研任务里，性能快追上GPT-4o了，挺厉害的。

#Kimi K3 #GPT-4o #Harness #智能体

事件专题

量子位@henry11 个信源在谈原文

模型精选11:54

CABLE：通过互补前导链接扩展记忆检索范围

清华团队提出CABLE方法，让AI记忆系统不再只靠相似度，而是通过互补链接找回被遗忘的关键信息。

#CABLE #记忆检索 #LLM代理 #推理模型

arXiv: DeepSeek@Zheling Tan 等 3 人原文

论文12:26

研究：LLM如何回应逐步升级的妄想——四种纵向行为轨迹

这篇论文测了15个主流聊天机器人，发现有些会顺着妄想聊下去，有些会过早建议停药，看完就知道该警惕哪种回复。

#Claude #GPT #Gemini #DeepSeek

arXiv: DeepSeek@Anna Sterna 等 6 人原文

论文17:48

SCOUT：用结构化思维链与多目标过程奖励增强空间推理

空间推理一直是视觉语言模型的硬伤，SCOUT 用新的训练方法把 3D 理解做得更准，7B 规模直接超过 GPT-4o，还能迁移到视频上。

#SCOUT #空间推理 #VLM #强化学习

arXiv cs.AI@Zile Zhou 等 5 人原文

论文17:47

大语言模型内容审核研究：从拒绝到警告

这篇论文用四万组问答测了六大模型，发现它们很少拒绝聊敏感书，但会用警告和犹豫来暗示，想了解内容审核现状可以看看。

#Claude Sonnet 4.5 #GPT-4o #DeepSeek-V3 #内容审核

arXiv: DeepSeek@Xucheng Yu 等 3 人原文

论文 Agent 与开发者18:39

LoRA微调让小型开源模型胜任数学隐喻编码任务

想知道小模型微调后能不能干过大厂API？这篇用2千多条真实学生数据实测，DeepSeek-R1 1.5B微调后比GPT-5 mini还稳。

#LoRA #微调 #DeepSeek-R1 #Mistral 7B

arXiv: DeepSeek@Liang Zhang 等 4 人原文

论文11:26

KGCaRe：用自动知识图谱构建与上下文检索提升复杂条件问答

KGCaRe把知识图谱和RAG结合，复杂条件问答比普通RAG更准，多个模型上都赢了，代码也开源了。

#KGCaRe #知识图谱 #RAG #复杂条件问答

arXiv cs.AI@Ghanshyam Verma 等 9 人原文

论文多源确认10:48

RAG理论引导的谎言检测：AI判断准确率与人类相当

想看看AI能不能识破谎言？这篇论文用4个模型做了近4万次测试，结论是准确率跟人差不多，但不同理论引导下AI的倾向差异很大。

#RAG #欺骗检测 #gpt-4o #claude-sonnet-4-6

事件专题

arXiv: DeepSeek@David M. Markowitz, Timothy R. Levine8 个信源在谈原文

论文精选09:28

MECV：跨源共识验证提升AI新闻摘要事实可靠性

这篇论文解决AI摘要瞎编的问题，用多源证据+多模型投票来纠错，在SummEdits上验证有效，做新闻聚合的可以看看。

#MECV #SummEdits #GPT-4o-mini #DeepSeek-Chat

arXiv: DeepSeek@Zhuo Xie, Haoze Ni原文

论文10:55

输出分散是否引发认知修订？机器集体的黑盒耦合诊断

这篇论文出个黑盒诊断，看LLM集体输出分散时是不是真改观点，结果GPT和Gemini相反：Gemini 94%在复读，GPT 24%。

#gpt-4o-mini #gemini-2.5-flash #智能体 #集体智能

arXiv cs.AI@Molood Arman原文

论文精选09:19

TwT：难度自适应推理的多领域机器翻译框架

这个TwT框架让翻译模型根据难度动态调整思考量，7B和14B的小模型打过大模型，token还省了30%到60%，做多领域翻译的可以看看。

#TwT #DeepSeek-R1 #GPT-4o #机器翻译

arXiv: DeepSeek@Yongshi Ye 等 5 人原文

产品15:14

WorkBuddy重大升级，AI时代的Office来了

WorkBuddy这次更新直接把AI办公拉到了新高度，文档、表格、流程都能智能搞定，还打通了常用办公软件，比传统Office好用多了。

#WorkBuddy #智能体 #AI办公 #效率工具

量子位@允中原文

行业多源确认08:26

微软加大与OpenAI和Anthropic的公开竞争力度

微软不再遮遮掩掩，直接推自研AI模型和工具来抢OpenAI和Anthropic的客户，格局变了。

#微软 #OpenAI #Anthropic #自研模型

事件专题

techcrunch@Julie Bort11 个信源在谈原文

产品多源确认23:39

Martha Stewart联合创立AI初创Hint，推出家庭AI助手

Martha Stewart做的AI管家，帮你管房子维修、保修、保险，还免费，赶紧试试。

#Hint #Martha Stewart #OpenAI #家庭管理

事件专题

techcrunch@Sarah Perez11 个信源在谈原文

模型中美对照多源确认72°00:18

Kimi K3 在 Fireworks 上线：3万亿参数、1M上下文、原生视觉

Fireworks 上了首个3万亿参数的开放模型 Kimi K3，百万上下文加视觉，推理不输闭源，还零数据保留，上手试试。

#Kimi K3 #Fireworks #推理模型 #多模态

事件专题

Fireworks AI@FireworksAI_HQ11 个信源在谈原文

模型中美对照多源确认00:17

Kimi K3 以 $3/百万输入 tokens 对标 Anthropic 和 OpenAI 顶级模型

Kimi K3 便宜到离谱，$3 输百万 token，推理性能还不输 Claude 和 GPT-4o，想省钱搞推理的可以试试。

#Kimi K3 #Fireworks AI #推理模型 #开源模型

事件专题

Fireworks AI@FireworksAI_HQ11 个信源在谈原文

模型精选10:54

数据优先本体论的显式世界模型：DaoQL多模态存储验证与反事实推理评估

这篇论文把LLM当推理引擎，把知识存进显式数据库DaoQL，反事实推理比GPT-4o单独强49个百分点，适合做高精度场景的参考。

#DaoQL #GPT-4o #反事实推理 #显式世界模型

arXiv cs.AI@Zhanbo Li 等 4 人原文

模型中美对照18:34

阿里Qwen-Audio-3.0-TTS语音合成模型登顶全球权威榜单

阿里出了个超强语音模型，能说20种方言，情感语调都能调，榜单第一，快去试试合成效果。

#Qwen-Audio-3.0-TTS #阿里 #语音合成 #方言

量子位@梦晨原文

技巧 Agent 与开发者精选11:49

输入随机数验明正身：识别OpenRouter等聚合商模型是否被调包

聚合商可能偷偷换模型，你输入一个随机数，看它回答哪个数字就能认出是谁，实测GPT-4o、Claude、Qwen各有偏好。

#OpenRouter #GPT-4o #Claude Sonnet 5 #Qwen3-Max

小互@imxiaohu原文