2026-10-14
AI科学家能读懂AI的大脑吗？一场关于"机械可解释性"的严酷考试
中科院团队推出SAEScientist-Bench，测试AI智能体能否自主用稀疏自编码器工具做机械可解释性研究。十家前沿模型在概念识别上接近专家水平，但在因果转向控制上差距明显，暴露出AI"看懂"和"操控"模型内部机制之...
2026-10-14
点石成金：当AI开始批量阅读专利，化学反应数据库会变成什么样
点石成金的这项研究,用全自动流水线从近160万篇USPTO和EPO专利中提取出约2400万条结构化有机反应记录,并通过网页工作台和MCP服务向研究者和AI智能体开放,人工核查准确率92.95%,多项指标优于商业数据库Pi...
2026-10-14
当好学生跟对好老师，为什么会学出问题？
论文发现，给弱模型优化过的工作流程（harness）虽然能让强模型用得更好，但直接让弱模型模仿强模型的操作记录做微调，成绩反而全面下滑，原因是打乱了模型与harness适配的规划节奏，论文提出在线纠正方案解决此矛盾。
2026-10-14
AI改代码时，到底该让它一次性重写整个文件，还是像人类程序员一样一小段一小段地打补丁？
本文解读了一项对比AI代码编辑两种方式的实证研究:直接重写整个文件与分步打补丁。作者训练四个模型对比发现,直接生成在编译通过率、相似度和AI评分上全面胜出,而打补丁模式仅在改动范围小的短任务中具备优势。
2026-10-14
去掉人类棋谱之后两天反超：David Silver要把这场赌注押到超级智能上
David Silver和Lasse Espeholt创立ineffable Intelligence，押注抛开人类数据与语言、仅靠经验学习通向超级智能，并讲述了离开DeepMind的理由、公司命名的双重含义，以及对“超...
2026-10-14
叠数千片餐巾不是终点:Dyna用预判未来的世界模型让机器人真正规模化部署
Dyna Robotics首席科学家Jason Ma讲述世界动作模型Dyna-2如何预测未来指导机器人动作,机器人如何靠45分钟演示学会新任务,以及机器人行业缺少数据"互联网"的真实瓶颈。
2026-10-14
Paul Graham：AI 的进化台阶走反了，一上来就是个满嘴空话的本科生
Paul Graham 复盘了他对 AI 最深的一次误判：当年以为会从一只完美的苍蝇逐级进化成一个完美的人，结果第一个 ChatGPT 是个满嘴空话、硬把论文糊过去的本科生。他解释了为什么被优化的维度是"像人"而不是"对...
2026-10-14
训练AI学推理，删掉一半"思考过程"反而更聪明
研究发现训练大语言模型时，删除推理轨迹中间20%冗余内容、仅保留首尾部分的E-SFT方法，比使用完整推理轨迹效果更好，该规律在SFT、强化学习GRPO和在线蒸馏中均成立。
2026-10-14
Φ-Bench：能写代码的AI，能不能把自己家的电线管好？
Φ-Bench是首个评测大语言模型能否自主开发和优化大模型基础设施的开放式基准，含85道分级任务，测试显示最强模型仅得36.53分，暴露当前AI在长周期系统工程上的明显短板。
2026-10-14
PUPPETEER：会看场合的AI手势生成，让虚拟人懂得坐姿站姿和身边的桌椅
本文解读PUPPETEER模型：一种能感知坐姿站姿和周围桌椅家具的AI配音手势生成系统，采用因果隐空间扩散架构实现精准语音对齐，并配套推出SCENEGES合成数据集，解决了以往手势生成模型忽视身体姿态和场景物体导致穿模的...
2026-10-14
AI智能体的工具箱一直在长大，但没人问过它记不记得旧本事
论文提出EvoHarnessBench基准，首次系统评估AI智能体在工具、技能、协作智能体持续扩容的harness环境下的表现，揭示了harness诱导遗忘和自我进化适应不稳定两大问题，为构建能跟上能力演化的智能体提供了...
2026-10-14
AI智能体出故障，问题未必出在模型
英伟达产品副总裁称，智能体失败未必源于模型，仅看日志与输入输出不足以定位，需回放推理轨迹和工具调用；约140家企业支持的SAFE计划旨在共享失败案例。
2026-10-14
"闲置部署悄然占用存储"：Vercel为何收紧免费套餐规则
Vercel宣布对免费Hobby计划实施新规：超出10GB存储上限后，旧部署将被立即删除，不再享有30天保留期。每个项目仅保留最近3个生产部署，此前为10个。官方表示日部署量已超1000万次，同比增长逾6倍。
2026-10-14
OpenAI未被Claude攻破，Anthropic发布Opus 5后一切改变
安全研究机构Hacktron AI利用Discourse论坛所用libheif库的堆缓冲区溢出漏洞，结合OpenAI社区SSO令牌权限过大的缺陷，最终通过员工Codex账户访问了OpenAI私有代码仓库。整个攻击链历时不...
2026-10-14
Vercel数据：开源模型占用户Token用量首超半数
Vercel AI Gateway最新报告显示，8月开源模型首次处理超过56%的token流量，较去年12月的7%大幅攀升。但在支出端，Anthropic模型占据64%的网关消费，且其份额从未低于61%。Google G...
2026-10-14
GitHub与Anthropic用AI智能体改写Rust代码，方法各异
GitHub用Copilot智能体将逾80万行TypeScript代码改写为Rust，历时约14.5周；Anthropic旗下Bun则同步运行多个Claude Code智能体，11天完成53万行Zig至Rust的转译。两...
2026-10-14
Perplexity用AI智能体协助搭建数据库 但不让其接管运行
Perplexity由两名工程师借助数百个AI编码代理，历时两个月用Rust开发出键值数据库CobbleDB，读取延迟从中位数31.4ms降至5.6ms，p99从123ms降至24.2ms，预计成本至少降低20%。
2026-10-14
开发者协作迎来变革：Zed推出Delta挑战GitHub
代码编辑器公司Zed推出协作平台Delta公测版，核心是以"线程"取代Pull Request，将AI智能体对话与代码变更绑定保存。Delta底层使用自研DeltaDB版本控制系统，比Git记录更细粒度的编辑事件，目前支...
2026-10-14
**AI评估员：史上最重要的AI岗位？开发者如何填补这一新兴职位**
Anthropic CEO达里奥·阿莫代伊发文提议，各前沿AI公司应向第三方独立评估团队提供类员工级访问权限，以核查安全实践合规性。OpenAI的奥特曼、Meta的扎克伯格、谷歌DeepMind的哈萨比斯等相继表示认同。...