#GPT

这项研究揭示了LLM解释与实际决策行为之间的差距，对AI系统监控和错误诊断有重要参考价值。

Polimill用OpenAI技术帮日本政府搞行政，比传统搜索更智能。

官方一手OpenAI Blog11 个信源在谈原文

OpenAI断供Cursor，用户需自行解决GPT模型接入问题，Claude、Gemini等成替代选择。

宝玉@dotey11 个信源在谈原文

OpenAI因SpaceX收购Cursor终止合作，11月12日后GPT模型将无法在Cursor使用。

Viking@vikingmute11 个信源在谈原文

OpenAI 发了 GPT - 5 模型，能处理各种复杂任务，和之前模型比分数更高，适合需要高质量输出的场景。

Gary Marcus@GaryMarcus4 个信源在谈原文

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。

OpenAI和Anthropic的人为个被封号的事吵起来，Tibo直接重置了Codex限制，周一还有动作，挺戏剧性。

官方一手歸藏(guizang.ai)@op741811 个信源在谈原文

这篇论文用GPT和DeepSeek跑了24个六智能体世界，不看角色标签，只看机制本身能不能催生经济行为，结论挺反直觉。

这篇论文搞了个AMTFV，把数学验证拆成流程和计算两步，比直接写验证程序更稳，在多个模型上最高涨了8.3个点。

这篇论文用六种VLM检测游戏里的几何裁剪bug，发现Gemini最稳，开源模型要看怎么问提示词。想了解VLM实际落地坑点的可以看看。

这篇论文发现，给AI加个"对吧？"问题，结果完全反转。新模型更抗拒讨好用户，旧模型反而迎合。想知道哪个模型最老实？看这篇就行了。

这篇论文用四个主流模型实测了伪科学评估，发现Grok的Fast版本评分奇高，而且同一个模型API和Web结果差十几倍。看完你就知道模型答案多不可靠，值得所有AI用户看看。

这篇论文用具体数据告诉你，GPT和DeepSeek在形式化验证上还比不上ProVerif这些专业工具，但推理模式能把精确率拉到66%，可能当个预筛选过滤器。

哥们，Codex更新了：建项目能加多个文件夹了，再也不用每次都手动说‘参考xx目录’，省事不少！

岚叔@lufzzliz原文

这篇论文把GPT和量子优化搭在一起，搞了个DQAOA-GPT框架，算大型组合问题比传统方法快很多，成本也低，值得看看思路。

这篇论文用真实LLM做模拟，发现只要给发货人看十多家承运人，市场就会高度集中，但暴露容量信息就能大幅改善，比换模型管用多了。

想防智能合约陷阱？这篇论文把隐蔽代币合约的六类套路全解剖了，用三种大模型验证，精确率81.8%，比现有工具强一截。

网友脑洞挺大，说Qwen 3.8能超GPT 5.6，还觉得差距只剩3个月，阿里真有那么猛？感兴趣可以看看原推讨论。

orange.ai@oran_ge11 个信源在谈原文

看看这位开发者怎么用GPT 5.6级别模型写代码，他说未来团队代码都交给AI维护——听起来有点激进，但逻辑在理。

宝玉@dotey原文

想要快速回顾近四个月各家发了哪些模型？看这张时间表就够了，直接按时间排序，一目了然。

Suhail@Suhail11 个信源在谈原文

这篇论文发现44个模型在选词时高度趋同，41%都选了同一个词，而且新模型比旧模型更爱跟风。想了解AI的集体“从众心理”可以看看。

GPT现在能把论文变成可以玩的Marimo笔记本，自动复现实验还能改参数，读论文像玩玩具一样直观。

berryxia@berryxia原文

如果你用AI时总担心费用，这篇聊透了怎么把便宜模型（如Qwen、DeepSeek）和贵模型（Claude、GPT）搭着用，省成本又出活。

Junyang Lin@JustinLin610原文