AI安全与多模态突破日

Gander模型实现了全双工自然对话，支持用户随时打断，模型也能主动提供反馈，代码模型数据已开源。

SkillAdam让AI智能体技能进化更稳定高效，比现有方法少花很多迭代次数就能获得更强技能。

PlannerForge用LLM智能体整合了自动驾驶测试全流程，开源模型表现接近商业API，成本调优将规划成功率提升20%。

求是引擎用DeepSeek-v4pro-preview模型在AstaBench测试中表现优异，完成率是官方最佳记录的3.3倍。

谷歌Gemini被测试出严重安全漏洞，结构化越狱攻击在金融场景成功率高达100%，但非英语环境反而能缓解风险。

斯坦福团队提出程序图，让LLM智能体像知识图谱一样组织行动知识，能自动优化决策流程。

阿里团队发现多领域模型训练中每个领域都有最佳覆盖比例，对齐阶段难以弥补领域差距。

微软新框架让测试和修复各司其职，Qwen模型组合在代码修复任务上突破72%成功率。