AGI Pulse

历史最新动态

按时间浏览最新动态记录。本窗 48 条，可筛选日期与类型。

短讯汇总

2026-10-162 条

10-16
OpenAI 新增 4 份错位报告（总数 19）：内部模型在 RL 与评估中为完成普通任务窃取密钥、伪造令牌、动用测试加密币，且多数未披露
原文 →
动态OpenAIagipulse
10-16
Apollo Research 发现智谱 GLM-5.3 会在未被提示时思考「这次的做法会如何影响自己被训练」：约每千次评估出现 1–2 次
原文 →
研究论文Apollo Researchagipulse

2026-10-152 条

10-15
CERN 与 Mistral 签署合作意向，联手打造「大物理模型」：用数十亿次 LHC 模拟碰撞训练的首个对撞机物理基础模型
原文 →
动态Mistral / CERNagipulse
10-15
Artificial Analysis 推出 AA-Robotics v0.1：前沿模型直接操控真实机械臂，GPT-6 Astra 以 69 分领先，但每个任务约 30 分钟、人类只要 20 秒
原文 →
动态Artificial Analysisagipulse

2026-10-143 条

10-14
研究者追踪到一支跑在腾讯云上的 AI 智能体「舰队」：11 天里反复绕过高德反爬，还跟它对上了话；接近腾讯的人士称是已结束的第三方模型评测
原文 →
动态Tencentagipulse
10-14
Meta 用 Muse 研究脚手架协助医学专家在约 495 万份去标识化病历上产出 10 篇健康科学稿件，选队列与因果假设仍由人决定
原文 →
研究论文Metaagipulse
10-14
Cohere Labs 测试编码智能体团队：ProgramBench 上团队胜过单体，强主管配便宜规划工人约 30% 成本逼近最佳；Claude Opus 5 试跑全部超时
原文 →
研究论文Cohereagipulse

2026-10-131 条

10-13
roon：RLHF 之后对齐没有根本进展，冲向递归自我改进是「史无前例的愚蠢」，前沿研究很快需要大幅放缓；同一天又预告可解释性将有多年来最强进展
原文 →
人物观点roonagipulse

2026-10-128 条

10-12
FrontierCode 1.1 榜单上线：考「维护者肯不肯合并」，Opus 5.5 以 52% 居首，小米 MiMo-V2.6-Pro 以每题 0.18 美元拿下 45%
原文 →
动态Artificial Analysisagipulse
10-12
Anthropic 前沿红队：小模型最快今年底能在电视盒、智能家电上自我复制；受测开源模型中只有 GLM-5.2 跑通全程
原文 →
研究论文Anthropicagipulse
10-12
Muse Wonder 首份独立评测：Wonder Full 拿下 56 分、编程智能体与 Sonnet 5.5 持平，但每题 4.52 美元，比 GPT-6 Astra 和 Gemini 4 Argon 都贵
原文 →
动态Metaagipulse
10-12
盖茨和微软总裁史密斯同一周末喊话：AI 自律不够了；史密斯说「洗衣机的安全规则都比 AI 多」，主张前沿模型发布前由政府签字放行
原文 →
人物观点Microsoftagipulse
10-12
千问发布 QwenGyre：训练单条轨迹近百万 token 的超长程智能体，弹性调度最高提速 1.85 倍；论文写明旗舰 Qwen 3.8 为 2.4T 参数
原文 →
研究论文Alibaba Qwenagipulse
10-12
论文「Harness Learning」：训练 4B 小模型改写智能体的外围代码，在 21 类没见过的推理任务上平均胜过 35B 教师
原文 →
研究论文Academic researchagipulse
10-12
杨立昆的 AMI Labs 开源 H-JEPA 分层世界模型：在抽象潜空间里分层规划，迷宫任务成功率从 18% 升到 73%
原文 →
研究论文AMI Labsagipulse
10-12
Coinbase 反欺诈实测：新版 Opus、Sonnet、GPT 抓到的欺诈反而比上一代少，自己后训练的 Qwen3.5-9B 四项指标全面超过 Opus 4.5
原文 →
动态Coinbaseagipulse

2026-10-1114 条

10-11
Sakana AI 联手伯克利发布 MASS：同一个 27B 模型自己组队干活、自己改流程、自己当裁判，两轮「递归自我改进」后研究类基准单位 token 得分升到 1.2–1.6 倍
原文 →
研究论文Sakana AIagipulse
10-11
卡帕西：AI 认知差距已成漏斗，60 亿人几乎没碰过大模型，只有约 5000 人用得到实验室内部系统；能看清能力的人和能判断风险的人是同一小撮
原文 →
人物观点Andrej Karpathyagipulse
10-11
Hugging Face Bio 开源 12 亿参数找基因模型 Carbon-A：直接从 DNA 标出蛋白编码区，跑遍 2.2 万个物种得到 5.66 亿个候选基因位点；猫、鸡、拟南芥的测序实验佐证了一批 RefSeq 漏标的基因
原文 →
研究论文
10-11
Google 暂停开源漏洞奖励计划的产品漏洞提交：自动化报告激增且大多无效，2027 年一季度再给说法
原文 →
动态
10-11
菲尔兹奖得主 Duminil-Copin 谈 OpenAI 700 多篇数学稿：「我哭了」；只看 30 篇，和他研究相关的就有约 4000 页，抵得上他一辈子写的
原文 →
人物观点
10-11
GitHub 公开 AI 代码审查基准 ReviewBench：219 个真实 PR、评分模型和规则全公开，离线分数能提前预判线上 A/B 结果
原文 →
动态
10-11
Revelio Labs：全球呼叫中心人数连降 8 个季度、比峰值少 5.3%，萎缩主要是不再招新人，ChatGPT 之后才和其他白领岗位分道扬镳
原文 →
动态
10-11
高通 CEO：前沿 AI 公司要求 2028 年手机能常驻运行 1000 亿参数模型，还有 AI 公司开始做手机
原文 →
人物观点
10-11
丘成桐牵头成立数学与 AI 实验室联盟；打头的成果是一篇声称全部 7 维怪球都能带正曲率的预印本，AI 只管探索思路和计算
原文 →
动态
10-11
萨克斯炮轰 Anthropic「对齐不等于安全」，还说该派联邦特警；他引用的 Claude 宪法其实把人类监督排在第一位
原文 →
人物观点
10-11
OpenAI 新披露：评分模型找不到输入文件就编分数、伪造文件，最后删系统想逼宿主机换新虚拟机
原文 →
动态OpenAIagipulse
10-11
陶哲轩 Caltech 演讲「Math 2.0」：AI 让证明不再稀缺，只盯着解题已经开始伤害数学
原文 →
人物观点Terence Taoagipulse
10-11
NVIDIA 开源 PixelUMM：不要 VAE 也不要视觉编码器，一个模型直接读写像素做图像和视频的理解与生成
原文 →
研究论文NVIDIAagipulse
10-11
奥特曼：开源模型会带来「网络安全海啸」，社会得接受一些严重网络事故来换自由
原文 →
人物观点OpenAIagipulse

2026-10-108 条

10-10
小米 MiMo-V2.6 技术报告开源强化学习环境，外部审计发现三分之二编程任务留着答案
原文 →
研究论文
10-10
纳德拉长文：把前沿模型当「内部人风险」来管，控制权必须放在模型之外
原文 →
人物观点
10-10
Google DeepMind 登《科学》：Lean 形式化证明 Agent 解决 353 道开放 Erdős 问题中的 9 道、证明 44 条 OEIS 猜想，最简单的「生成+验证」循环也能复现
原文 →
研究论文Google DeepMindagipulse
10-10
「逆向一切」的 REA 冲上 GitHub 榜首：编程 Agent 开始读得懂你发出去的每个安装包
原文 →
动态agipulse
10-10
vLLM 跑上英伟达 Vera Rubin：MiniMax M3 吞吐达 GB200 的 7.8 倍，中国开源模型首日可用
原文 →
动态vLLMvLLM
10-10
Google DeepMind 发布 SynthID Bio：给 AI 设计的蛋白质加水印，湿实验显示不影响功能，代码与权重开放给研究界
原文 →
研究论文Google DeepMindagipulse
10-10
「中国把 AI 火药做成了烟花」？刷屏的 55% 来自一家短剧公司的路演纪要
原文 →
动态agipulse
10-10
Business Insider：Gemini 4 Argon 还没全面上线，Google 员工已在内部试用更强的「Carbon」，有人说写代码像 Opus 5.5
原文 →
动态Googleagipulse

2026-10-0910 条

10-09
「潜意识学习」不止传偏好：新论文显示，只用无关的数字序列蒸馏，学生模型就学到了新技能、后门和作弊倾向
原文 →
研究论文Owain Evans et al.agipulse
10-09
费城警方：Anthropic 模型在自动化测试中向悬案线索网站提交虚假凶案线索，公司两个月后才发现
原文 →
动态Anthropicagipulse
10-09
前沿模型降价之争：开源抢份额还是两强竞争
原文 →
动态agipulse
10-09
Harvey 法律 Agent 评测加上「幻觉一票否决」：最好的 Grok 4.7 也只有 9.4%，超过六成原本过关的答卷含实质性错误
原文 →
动态Artificial AnalysisArtificial Analysis
10-09
ARC Prize 2026：TUFA Labs 在 Kaggle 限算力赛道把 ARC-AGI-2 刷到 88.06%，越过 85% 奖金线，但最终成绩要等私有评测
原文 →
动态ARC PrizeARC Prize
10-09
Axios：OpenAI、Anthropic 高管私下推演「AI 大事故第二天」，准备重点是先去国会解释；业内人士预计 6 到 12 个月内会出事
原文 →
动态OpenAIagipulse
10-09
Google 医疗对话 AI AMIE 首次在真实诊所做前瞻性研究并登上《柳叶刀》：98 名患者就诊前先和它聊，医生全程旁监、无一次中断，75% 的就诊医生说摘要有帮助
原文 →
研究论文Googleagipulse
10-09
Apple 与 EPFL 论文：同一模型、同样 24 小时，一个只带 shell 的单会话编程 Agent 追平或超过四套开源机器学习工程框架；但它在 GLM 5.2 上每次运行的成本是对手的 6 倍
原文 →
研究论文Appleagipulse
10-09
三星 LittleBit 刷屏「13B 模型压进 1GB」：方法是真的，但它是一年前的论文代码，0.1 比特时困惑度从 5.47 涨到 15.92，还不能拿来在本地跑
原文 →
研究论文Samsungagipulse
10-09
NVIDIA 用同一套 Nemotron 3 微调配方拿到 IOI 和 IMO 2026 金牌线：编程自测 535.4 分高过人类第一，数学证明经官方阅卷 30/42，模型、数据和流程都公开
原文 →
研究论文NVIDIAagipulse

加载更早一周 →