全部动态

AI 相关资讯全量信息流 · 1222 条

博客资讯推文论文论文 →

9月15日

论文 Agent 与开发者精选13:10

研究揭示自动程序修复代理存在安全漏洞

朋友，这篇论文挺有意思的，它测试了几个主流的LLM模型在程序修复时的安全性，发现它们很容易被对抗性攻击诱导出漏洞，这个发现挺有价值的。

#GPT-5-Mini #MiniMax-M2.5 #DeepSeek-R #对抗测试

arXiv: DeepSeek@Fares Trad 等 5 人原文

论文 Agent 与开发者精选13:10

LLM 模型在模拟公众讨论时存在偏见问题

这个研究很实用，帮你判断用 LLM 模拟公众讨论时，模型会不会有偏见，比如会不会让模拟人物对对立派更敌视。

#GPT-5.1 #Gemini 2.0 #Claude Sonnet 4.5 #Llama 3.3

arXiv: DeepSeek@Ahmed Wali, Hassaan Tayyab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

模型中美对照多源确认精选11:15

OpenAI 发布 GPT-6 Astra，任务处理时间几乎减半

OpenAI 新出的 GPT-6 Astra，处理任务快了一半，适合需要高效完成工作的用户。

#GPT-6 #OpenAI #推理模型

e27@Aleks Farseev11 个信源在谈原文

模型中美对照多源确认73°07:24

苹果代码显示：Siri AI 可接入 Claude 或 GPT-5.6

朋友发现苹果代码里，Siri AI 能用 Claude 或 GPT-5.6 替换，未来可能让 Siri 更好用。

#Claude #GPT-5.6 #Siri #模型互操作性

IT之家11 个信源在谈原文

9月14日

模型 Agent 与开发者多源确认21:47

日常工作中仍在使用 Opus 5 和 GPT-5.6

朋友日常工作中还在用 Opus 5 和 GPT-5.6，说明这些模型目前还是主流选择。

#Opus 5 #GPT-5.6 #GPT-6 #提示词工程

elvis@omarsar011 个信源在谈原文

论文 Agent 与开发者精选12:57

LLM作为裁判评估中，去偏置会降低判断精度

这个研究很实用，它告诉你怎么用LLM作为裁判评估时，去偏置操作会带来什么后果，比如会降低判断精度，所以想用这个方法的人一定要看看。

#LLM作为裁判 #去偏置 #RAG评估 #基准测试

arXiv: DeepSeek@Liang Zhao 等 3 人原文

论文中美对照精选78°09:55

前沿模型在物理领域的表现如何？专家重评揭示基准评估缺陷及近饱和现象

朋友，GPT-5.6-Sol在物理基准测试上的表现被低估了，专家重评后它的分数大幅提升，说明我们之前对模型的评估可能有问题。

#GPT-5.6-Sol #物理 #基准测试 #评估

arXiv cs.AI@Ali Ansari 等 51 人原文

论文 Agent 与开发者精选09:55

研究揭示大语言模型在长流程操作推理上的短板

朋友，这篇论文挺有意思的，它指出现在的大模型在处理长流程操作时很吃力，比如遵循几十页的规则手册，准确率很低，这提醒我们不要过度依赖它们做这类复杂任务。

#GPT-5 #长流程推理 #ICD-10-CM #量刑指南

arXiv cs.AI@Utkarsh Soni 等 5 人原文

9月12日

模型中美对照精选78°16:26

阿里Qwen3.8-27B模型在Cerebras上实现快速推理

阿里发布了Qwen3.8-27B模型，现在可以在Cerebras上快速使用，性能不错。

#Qwen3.8-27B #Cerebras #快速推理

官方账号阿里通义 Qwen@Alibaba_Qwen原文

产品中美对照03:22

GitHub Copilot 推出 GPT-5.6 Sol 30% 优惠

GitHub Copilot 的 GPT-5.6 Sol 30% 优惠，适合需要复杂推理的代码工作。

#GitHub Copilot #GPT-5.6 #编程助手

GitHub@github原文

9月11日

技巧 Agent 与开发者多源确认精选12:23

Datasette 发布 1.0a39 和 0.65.4 安全补丁版本

Datasette 发布了两个安全补丁版本，修复了 Claude Fable 5.1、GPT-5.6 和 GPT-6 Astra 等大模型审计发现的漏洞，对在公共网络上运行且混合了公开和私有表格的实例很重要。

#Datasette #AI安全 #提示词工程 #LLMs

官方账号Simon Willison’s Weblog11 个信源在谈原文

技巧 Agent 与开发者多源确认12:22

Datasette 发布 1.0a39 和 0.65.4 安全更新

Datasette 团队用 Claude Fable 5.1、GPT-5.6 Sol 和 GPT-6 Astra 审查了代码，修复了安全漏洞，公共网站用户需要升级。

#Datasette #提示词工程 #安全更新

官方账号Simon Willison@simonw11 个信源在谈原文

模型中美对照11:52

DeepSeek V4.1 Flash 性能接近 GPT-5.6，成本仅为其 1/30

DeepSeek 推出了 V4.1 Flash，性能接近 GPT-5.6，但成本只有 1/30，用 15 美元就能跑 100 个复杂任务，性价比很高。

#DeepSeek #V4.1 Flash #GPT-5.6 #Claude Opus 5

Browser Use@browser_use原文

论文 Agent 与开发者精选09:41

多语言模型在乌尔都语生成中存在文化语言缺陷

朋友，这篇论文挺有意思的，它专门测试了GPT-5.1、Qwen-3-Max和DeepSeek-3.1这三个大模型在生成乌尔都语故事时的表现，发现它们在文化方面确实很弱。

#GPT-5.1 #Qwen-3-Max #DeepSeek-3.1 #乌尔都语

arXiv: DeepSeek@Farah Adeeba 等 4 人原文

论文 Agent 与开发者精选09:17

首个LLM版本约束理解基准测试集发布

这个研究很实用，它帮你选LLM时有个新维度，比如Claude在版本约束理解上比GPT-5.1强很多，值得看看。

#SemVerBench #LLM #版本约束 #编程助手

arXiv: OpenAI@Qibai Chen, Zeming Liu原文

模型中美对照00:02

DeepSeek 发布 V4.1 Flash 模型，称其为新架构家族中最小模型

DeepSeek 新发布的 V4.1 Flash 模型，比 V4-Pro 小三分之一，但在很多测试里还比它强，价格也便宜很多，值得看看。

#DeepSeek #V4.1 Flash #GPT-5.6 Sol #Claude Opus 5

The Rundown AI@therundownai原文

9月10日

模型中美对照精选78°20:57

Deepseek 发布 V4.1-Flash 模型，参数量 5520 亿，内存需求减至前代四分之一

Deepseek 新出的 V4.1-Flash 模型，参数量 5520 亿，内存占用比之前少四分之三，还比 GPT-5.6 Sol 和 Opus 5 表现好一点，适合做更便宜的 AI 代理。

#Deepseek #V4.1-Flash #多模态 #AI代理

官方账号Decoder@Jonathan Kemper原文

产品 Agent 与开发者多源确认73°09:39

OpenAI ChatGPT语音模式支持调用GPT-5.6 Sol和GPT-6 Astra

OpenAI让ChatGPT语音模式支持自定义模型选择，Pro用户还能用上GPT-5.6 Sol和GPT-6 Astra。

#ChatGPT #GPT-5.6 Sol #GPT-6 Astra #语音模式

IT之家11 个信源在谈原文

论文 Agent 与开发者精选73°09:23

AgentAudit：AI智能体全生命周期信任评估框架

AgentAudit能全面评估AI智能体表现，发现任务完成表现相似但信任度差异巨大的模型，比传统通过/失败基准更精准。

#AgentAudit #AI智能体 #评估框架 #Claude

arXiv: OpenAI@Shrey Nag 等 5 人原文

论文 Agent 与开发者精选00:47

Agent优化在于工具边界而非模型本身

LangSmith团队发布新论文，教你如何通过工具边界优化提升Agent可靠性，比单纯改提示词更有效。

#PRISM #LangSmith #Agent #工具边界

Harrison Chase@hwchase17原文

9月9日

行业中美对照多源确认73°11:42

OpenAI版权纠纷案新细节：GPT-5或代笔马丁

OpenAI被曝训练GPT-5代笔马丁写《冰与火之歌》，员工曾称这是可接受的经济扰动。

#OpenAI #GPT-5 #乔治·R·R·马丁 #版权纠纷

IT之家11 个信源在谈原文

论文 Agent 与开发者精选10:34

AI模型处理用户分歧的权威管理研究

这篇论文揭示了AI模型如何应对用户质疑，不同模型在权威转移和坚持原主张上的差异很有意思。

#GPT-5.2 #DeepSeek 7B #大语言模型 #对话分析

arXiv: DeepSeek@Riyadh Alnasser 等 4 人原文

论文 Agent 与开发者多源确认10:33

RAME框架在谷物育种信息提取任务中夺冠

DeepSeek团队用RAME框架在谷物育种信息提取任务击败GPT-5.5，代码已开源。

#RAME #DeepSeek-V4-Flash #GPT-5.5 #信息提取

arXiv: DeepSeek@Hang Zhao, Jiahao Wang4 个信源在谈原文

模型 Agent 与开发者精选73°09:27

蚂蚁百灵Ling-3.0-flash-VL开源发布

蚂蚁开源了支持图像、文本、视频的多模态大模型，能自我修正执行结果，在医疗报告解读和GUI自动化场景表现出色。

#Ling-3.0-flash-VL #蚂蚁 #多模态 #开源模型

IT之家原文

模型 Agent 与开发者官方一手04:11

GPT-5.6 Sol协助量子计算实验

MIT用GPT-5.6 Sol自动做量子实验，还能分析结果校准量子比特，比传统方法快多了。

#GPT-5.6 #Codex #量子计算 #MIT

官方一手OpenAI Blog原文

模型 Agent 与开发者多源确认精选73°01:47

OpenAI分享模型数学思维过程

OpenAI科学家揭秘Astra如何解决数学难题，包括改进球体堆积记录和证明非sofic群存在。

#OpenAI #GPT-5 #Astra #数学推理

a16z@a16z11 个信源在谈原文

模型 Agent 与开发者多源确认精选73°00:47

大模型在解决未解数学问题上具结构优势

OpenAI的Astra模型在数学问题上取得突破，改进了40年未打破的球体堆积记录，证明AI在细节处理上优于人类。

#Astra #GPT-5 #OpenAI #数学推理

Justine Moore@venturetwins11 个信源在谈原文

模型 Agent 与开发者精选00:23

CosineAI训练专用编程模型Lumen Outpost

CosineAI用生产代码训练出专精编程模型，成本比GPT-5.5低3倍，还支持Fortran和Verilog。

#Lumen Outpost #CosineAI #GPT-5.5 #编程模型

Fireworks AI@FireworksAI_HQ原文

9月8日

模型 Agent 与开发者多源确认精选73°23:58

OpenAI团队谈GPT-6 Astra数学突破

OpenAI团队分享Astra如何解决数学难题，包括改进40年前球体堆积记录和大幅简化复杂证明。

#GPT-6 #Astra #OpenAI #数学推理

a16z@a16z11 个信源在谈原文

行业中美对照多源确认93°17:15

数学家指控OpenAI抢夺流体力学成果

数学家爆料OpenAI抢夺其流体力学研究成果，涉及学术伦理和AI能力边界。

#Buckmaster #OpenAI #流体力学 #学术伦理

小互@imxiaohu11 个信源在谈原文

行业中美对照多源确认93°16:23

数学家指控OpenAI抢夺流体力学成果

数学家用LLM一个月破解流体力学难题，指控OpenAI抢成果，涉及学术伦理与AI能力边界。

#Tristan Buckmaster #Levent Alpöge #OpenAI #流体力学

宝玉@dotey11 个信源在谈原文

技巧 Agent 与开发者多源确认73°05:31

Anthropic分享提示词提升写作效果

Anthropic分享的提示词，能让Fable和GPT-5.6的写作都变好，简单实用。

#Anthropic #Fable #GPT-5.6 #提示词工程

elvis@omarsar07 个信源在谈原文

9月7日

模型 Agent 与开发者多源确认78°14:40

OpenAI发布GPT-6 Astra模型

OpenAI新出的GPT-6 Astra不仅能控制电脑，逻辑也更强了，比前代进步不少。

#GPT-6 #OpenAI #Astra #推理模型

SoyaCincau@Janarrthine Kannan11 个信源在谈原文

模型 Agent 与开发者多源确认13:13

GPT-6-Astra 展示设计能力超越设计师

GPT-6-Astra 实际使用 Figma 完成设计任务，设计师亲测被碾压，AI 设计能力又上新台阶。

#GPT-6-Astra #Figma #设计 #AI能力

AI Will@FinanceYF511 个信源在谈原文

模型 Agent 与开发者多源确认09:25

GPT-6 Astra将作品集转为Game Boy风格UI

GPT-6 Astra把作品集变成了可玩的Game Boy界面，比GPT-5.6强多了。

#GPT-6 #Astra #Game Boy #作品集

AI Will@FinanceYF511 个信源在谈原文

论文 Agent 与开发者多源确认精选73°09:22

Substrate-Aware AI Agents: Execution Context as a First-Class Input

Claude、GPT-5和Gemini在代码生成时加入执行约束后，代码效率大幅提升，最高快3.1倍。

#Claude #GPT-5 #Gemini #智能体

arXiv: OpenAI@Manu Agrawal11 个信源在谈原文

9月6日

模型中美对照多源确认精选73°15:19

OpenAI称Astra模型补上人类空间推理优势

OpenAI说Astra能完成任何电脑操作，连总裁都说'欢迎来到AGI时代'了

#Astra #GPT-6 #OpenAI #空间推理

IT之家11 个信源在谈原文

模型 Agent 与开发者多源确认精选73°14:04

Astra在浏览器使用基准测试中领先

Astra在浏览器基准测试中碾压其他模型，77.3%的分数远超对手，22项任务满分

#Astra #Opus 5 #GPT-5.6 #浏览器使用

Browser Use@browser_use11 个信源在谈原文

9月5日

模型中美对照多源确认78°23:00

OpenAI 发布 GPT-6 Astra 模型

OpenAI 推出了 GPT-6 Astra，号称能完成任何电脑操作，布罗克曼称这标志着 AGI 时代的到来。

#GPT-6 #Astra #OpenAI #AGI

IT之家11 个信源在谈原文