2026-09-11
福特告别F-150 Lightning，新款Fathom与EREV皮卡即将登场
福特已停售F-150 Lightning电动皮卡，计划2027年推出2.8万美元起的Fathom纯电皮卡及一款续航超700英里的增程电动皮卡替代产品。
01 / BRAND UPDATES
栏目上新
品牌栏目持续更新
2026-09-11
AI智能体的记忆会撒谎：一场发生在系统内部的授权洗白
AI智能体的持久化记忆会在跨会话更新中悄悄丢失或篡改授权信息，导致执行者依据错误记忆做出未经授权的操作。论文提出EAL-BENCH基准，揭示了这种发生在系统内部、无需外部攻击者的授权洗白现象及其安全与实用性权衡。
2026-09-11
当AI说它能修好你的代码时，它其实假设了一件事
论文提出REALSWE框架，揭示AI编程助手在真实用户简短请求下表现下降6.4%，发现"期望行为"和"动机"是决定成败的关键信息，而环境细节等反而影响甚微。
2026-09-11
黄仁勋解释英伟达明年为何将增长70%的惊人预测
黄仁勋在高盛科技大会上重申，Nvidia明年营收预计同比增长70%，达约6800亿美元，因公司深度嵌入AI生态各环节并掌握全球算力布局信息。
2026-09-11
当AI裁判自己都判不准的时候，我们该信谁？
本文解读AgentJudgeBench基准测试，揭示LLM裁判在评判AI工具调用任务时的可靠性问题：难度越高判断越差，标准答案有时反而降低准确率，六大裁判在难题上共同卡在同一天花板下。
2026-09-11
AI追问一个问题要花掉一美元，问题出在哪？
AI处理复杂文档问答时成本高昂，论文提出智能体式数据裂解技术，让AI在回答问题时顺手提取文档中相关结构化信息供后续复用，实测降低53%成本且准确率几乎不变。
2026-09-11
苹果后库克时代：特纳斯本周正式接棒
苹果新任CEO特纳斯将主持9月9日新品发布会，市场预期折叠屏iPhone、iPhone 18 Pro系列及智能家居新品亮相，AI落地能力成为其领导下的关键挑战。
2026-09-11
不用梯度更新模型，怎么做测试时适应？CASTER给出了一个答案
论文提出CASTER，一种无需梯度更新的测试时适应方法，通过仿射变换搬运源域类别统计量完成适应，并设计可迁移性证书识别失效场景，在多个骨干网络和数据集上验证了效果与局限。
2026-09-11
沃尔沃50吨级EC500电动挖掘机可持续作业无需充电
沃尔沃EC500 Electric配备高压电池与35米线缆卷盘，可接入电网实现不间断作业，目前已在挪威投入采石、修路等实际工况测试，预计2027年春季量产。
2026-09-11
短剧生产链上，谁在为最后的烂尾负责？
腾讯混元团队提出DramaChain Bench，首个覆盖短剧全生产链的评测基准，用真实生产数据、时空定位标注和智能体自动评审，揭示上游缺陷如何沿链条放大成片质量问题。
2026-09-11
面向高DER渗透率输电变电站的自适应保护迁移分阶段框架
针对高DER渗透变电站，提出评估、通信与智能设备集成、自适应保护部署、广域保护演进四阶段迁移方法，实现渐进式改造与电网韧性提升。
2026-09-11
让机器解几何题时，我们到底在教它什么
该论文提出可寻址推理框架，用Code-CoT把几何图转成可引用代码并拆分为事件，配合CE-GRPO在关键事件处分支采样定位精准信用分配，九个几何数据集平均准确率达76.04，显著优于传统GRPO方法。
2026-09-11
一个企业级AI模型如何吃下50%的内部流量
一家企业面对200多个内部应用抢占同一批GPU资源,通过分析生产流量找出指令遵循、工具调用、任务分布三大短板,分别训练强化学习专家再合并权重,最终用320亿参数模型吃下50%流量,超越七倍参数量的大模型,成本降低数倍。
2026-09-11
ToolGrad：利用文本“梯度“高效生成工具调用数据集
Google研究提出ToolGrad框架，先生成工具调用链再反推用户查询，数据生成通过率接近100%，微调后的小模型在BFCL测试中表现优于同类方法甚至超越教师模型。
2026-09-11
AI能不能自己造出更强的AI
论文提出递归再生数RAI，衡量AI辅助AI研发何时从普通加速转变为自我放大的临界状态，发现该转变取决于反馈结构而非智能水平本身，并揭示多机构网络可能比单一机构更早触发这一临界点。
2026-09-11
别忽视苹果的音频智能功能，它揭示了未来发展方向
苹果在新品发布会推出Audio Intelligence功能，可在Apple Watch与部分iPhone上转写、总结对话并回听15秒前内容，被视为其未来AI可穿戴与智能眼镜战略的前哨。
2026-09-11
循环两次的Transformer，怎么用同样的算力训练出更聪明的大模型
论文提出SMELT架构,在训练算力、参数量、KV缓存三项预算严格对齐的前提下,让循环中间层两次的MoE Transformer持续跑赢普通模型,最高省下18%训练算力,并揭示第二次循环通过降低注意力沉没提升长文本与上下文...