论文12:13
AI改写邮件语气影响接收者行为：121人随机交叉现场实验这篇论文不是教你怎么用AI写邮件，而是用真实实验数据告诉你：AI改写邮件语气不会直接提高回复率，但会让读邮件的人感觉更积极，从而更愿意打开和回复。
#GPT-5
共 58 条 · 7 天 2 条 · 30 天 11 条 · 话题观测 →
7月14日
Claude Fable 5在生物医学挑战问题上的能力评估
这篇论文很有意思，告诉你Claude Fable 5在医学难题上不是不会答，而是经常拒绝回答。一旦它愿意回答，准确率反而是最高的。如果你想了解模型的安全边界和真实能力，值得看看。
7月13日
论文09:14
地缘政治对齐：大型语言模型中的背书效应这篇论文用实验数据告诉你，大模型评政策时会看谁站台——同一政策挂美国旗得分高，挂中国旗得分低。GPT-5、Claude Sonnet、Gemini、DeepSeek表现各异，值得关注。
7月10日
7月9日
7月7日
7月2日
行业22:45
企业AI成本失控，花旗Adobe等限制员工使用大模型企业AI费用爆涨（月花1500万美元）开始限制高级模型，花旗、Adobe、Atlassian都有动作。想知道怎么控制AI成本？看看这些公司的做法。
IT之家原文
6月29日
Nature Medicine论文开源测试套件：GPT-5.5 Pro得分79%
Nature Medicine那篇论文把模型考倒了，但作者直接把考卷开源了。后来GPT-5.5 Pro重新考，分数涨了10%！
6月28日
AI玩《文明VI》23局：Claude核平法国仍输，暴露感知与执行短板
有人让Claude、GPT-5、Gemini玩《文明VI》，结果Claude造核弹炸了法国却还是输了，暴露了AI在复杂决策中根本的感知和执行缺陷，比单纯比分数有意思多了。
IT之家原文
6月25日
6月24日
6月12日
Recursive Agent Harness：递归智能体框架提升长上下文推理
RAH 解决了长上下文推理中智能体扩展性的核心瓶颈，做复杂编码任务或智能体系统的开发者可以直接参考其设计思路，效果提升显著。
6月10日
Fable 5 两小时优化 HVM5 性能提升 1770%，碾压 GPT-5 agent 集群
Fable 5 用 2 小时干赢了 32 个 GPT-5 agent 跑 20 小时，做系统优化或高性能计算的开发者看完会沉默——这不仅是效率碾压，还顺手修了作者都没发现的 bug，值得点开看细节。
6月2日
5月19日
A-ProS：多模型反馈实现可靠自主编程
竞争编程开发者终于有了一个能可靠迭代的 AI 助手——A-ProS 通过多模型反馈将 GPT-5 的初始通过率提升 2 倍以上，做算法竞赛或自动化代码生成的团队可以直接参考其架构设计。
Raven 3.5 专精客服，小模型击败 GPT-5 和 Claude Sonnet
客服团队和语音 AI 开发者可以亲眼看到：小模型专精化路线在延迟和效果上碾压通用大模型，PolyAI 的新工具让 10 分钟部署语音代理成为现实，值得立即关注。
5月13日
LLM 0.32a2 发布：支持 OpenAI 推理模型与 /v1/responses 端点
LLM 用户终于能直观看到 GPT-5 等模型的推理过程了，做 AI 工具链和命令行调用的开发者值得升级体验。