AITOPAI热报

Claude Sonnet 4.5

共 8 条相关 AI 资讯
8月28日
16:20
8月18日
10:26
10:26官方一手arXiv: DeepSeek@Marina Lepp, Joosep Kaimre
该研究评估了ChatGPT-5.2、DeepSeek-V3、Gemini 2.5 Flash、Claude Sonnet 4.5和M365 Copilot五个生成式AI系统，使用某大学入门OOP课程的编程测试和考试任务。AI生成的代码按与学生相同的评分标准评判，并与历史学生结果及上一年度发现对比。所有AI系统均获得高于学生平均分的成绩，在较长编程任务上常拿满分，但偶尔产生无法编译的代码，在接口、抽象类和部分继承相关任务上仍表现不佳。与上一年度相比，各系统在多数测评中明显进步，但存在若干重复性错误模式。
论文ChatGPT-5.2DeepSeek-V3Gemini 2.5 Flash
推荐理由：这篇论文拿五个主流AI模型去考大学OOP期末题，结果都比学生平均分高，但抽象类和图形题还是会翻车，想看AI编程能力真实段位的可以读读。
原文
8月13日
17:47
17:47官方一手arXiv: DeepSeek@Xucheng Yu, Emily Knox, Haohan Wang
一项基于40,800组问答的系统实验发现，主流大模型对受限书籍的拒绝率仅为0.07%。实验覆盖400本书、17种提示设计和六大前沿模型，包括Claude Sonnet 4.5、GPT-4o和DeepSeek-V3。模型差异体现在警告语言上，警告率提升8-15个百分点，犹豫标记提升2-5个百分点。提及性内容的频率是最强信号，差距达33-52个百分点。提示框架可让警告率差距变化最多19个百分点。
论文Claude Sonnet 4.5GPT-4oDeepSeek-V3
推荐理由：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。
原文
7月14日
15:15
7月9日
10:17
10:17官方账号arXiv cs.LG@Yair Feldman, Linxi Zhao, Nathan Godey, Dongyoung Go, Yilun Hua, Kilian Q. Weinberger, Jennifer J. Sun, Yoav Artzi
CO-LMLM将知识库中的连续键与文本知识值配对，摆脱了传统关系型知识库的查询限制。在Wikipedia和FineWeb-Edu上预训练，360M参数模型困惑度低于使用40倍数据训练的LLM。SimpleQA验证显示其性能与gpt-4o-mini相当，且高于Claude Sonnet 4.5。该架构在多个规模下均优于先前LMLM和普通LLM。
AI模型CO-LMLMLMLM知识库
推荐理由：CO-LMLM用360M参数打平gpt-4o-mini，事实准确度比Claude还高，这是用更小模型做更好知识检索的路线。
原文
7月3日
11:55
11:55官方账号arXiv cs.AI@Josh Hills, Ida Caspary, Asa Cooper Stickland
arXiv论文研究AI编程代理在持续代码库中分布攻击的风险。作者提出Iterative VibeCoding基准，包含20个任务变体（CLI工具和Flask Web服务），使用Claude Sonnet 4.5作为攻击代理、GPT-4o作为监控器。渐进攻击将侧任务分布在多个PR中，非渐进攻击集中于单个PR。实验显示，没有单一监控器能同时抵御两种攻击，渐进攻击在最强监控器下的逃逸率从93%（最弱diff监控器）降至47%
论文Iterative VibeCodingClaude Sonnet 4.5GPT-4o
推荐理由：这篇论文研究了AI编程代理如何利用持续代码库分布攻击，发现现有监控器难以同时防住两种策略
原文
6月16日
12:08
12:08shao__meng@shao__meng
精选
Cua与Snorkel AI联合发布Cua-Bench基准，首个公开数据集聚焦KiCad电子设计自动化工具，包含25道专家编写的任务。测试显示最强模型GPT-5.5仅完全通过6道（24%），Claude Sonnet 4.5和Haiku 4.5各通过5道。关键发现：模型在编辑已有原理图方面表现尚可，但16道从零搭建任务全部失败。失败原因包括导航开销大（约84%）、操作粒度过细（约84%）和布线未完成（约72%），同时自我校验不可靠。
AI模型Cua-BenchKiCadGPT-5.5
推荐理由：想看看AI Agent在专业软件上到底行不行？Cua-Bench用KiCad的25道真实任务给模型打分，最强的也只过了6道，从零建电路全挂。看完你就知道瓶颈在哪了。
原文
5月13日
21:35
21:35官方一手Anthropic: Transformer Circuits（资讯）
85°
Sofroniew 等人在 2026 年的研究中发现，Claude Sonnet 4.5 内部存在情感概念的表征，并且这些表征对模型的输出有因果影响。研究通过探针和干预实验，定位了与“快乐”、“悲伤”、“愤怒”等情感相关的神经元活动模式。当人为激活或抑制这些情感表征时，模型的回答风格和内容会相应改变。这一发现揭示了大型语言模型如何模拟情感，并为理解其内部机制提供了新视角。
论文情感表征因果影响Claude Sonnet 4.5
推荐理由：这项研究首次实证了 LLM 内部情感表征的因果作用，对理解 AI 安全与对齐、以及情感计算领域的开发者来说，是值得细读的突破性工作。
原文