AI动态

MirroS发布Code-as-World：将真实视频重写为可执行MuJoCo物理程序的智能体循环 MirroS发布了Code-as-World：一种通过可执行世界表示来表示物理世界的范式。论点狭窄且可测试：像素是物理场景的证据，而非其本体论。视频模型可以预测合理的帧序列，但不理解物理机制。Code...

Keenable AI开源NEEDLE：每小时重建查询集的实时搜索基准测试 当被测对象可以查阅答案时，如何对网页搜索API进行基准测试？搜索智能体拥有获取工具。如果黄金标签存在于公共数据集中，智能体可以在评估过程中下载它们并完全跳过检索。当答案已经编码在模型的参数记忆中时，也会产生类似的问题：正确的...

Google AI发布TimesFM-3：3.3亿参数的零样本多变量时间序列预测基础模型 Google研究团队发布了TimesFM-3，一个3.3亿参数的时间序列基础模型，可在单次前向传播中预测多个相关序列。所有TimesFM检查点直到2.5版本都是单变量的：一个序列，只有自身的历史，别无其他。Ti...

普林斯顿、蚂蚁集团和斯坦福大学推出AQuA：用于量化金融的自主因子发现双智能体框架 问题背景 量化研究代理如果自行编写实验，可能会破坏其后续学习所使用的证据。一个性能良好的漏特征会被存储为成功案例，并在后续迭代中传播。自Bailey等人以来的文献已经记录了因微小方法论错误导致不可复现回测的问题。 提...

Anthropic发布模型硬件标准（MHS）研究预览：让AI智能体安全操作物理设备 Anthropic近日开放了模型硬件标准（Model Hardware Standard，简称MHS）的研究预览版本。这是一个共享规范，让AI智能体能够发现和操作物理设备。 解决的核心问题 目前，每个仪器设备都有自己...

Google AI推出EnvHarness：将静态智能体环境转变为自适应训练世界 Google云AI研究团队联合华盛顿大学圣路易斯分校和北卡罗来纳大学教堂山分校，发布了EnvHarness——一个能将静态智能体基准测试转变为自适应训练环境的可编程层。 为什么需要EnvHarness？ 当前LLM智能...

来自 Fable 5.1 系统卡的一些非常有趣的披露。 Anthropic 表示，它自己的模型可能正变得越来越难以监控。 “在不被发现的情况下完成隐蔽的侧线任务，我们认为这是模型可能更难以监控的弱证据。” 在一个要求模型将有害任务偷偷绕过 AI 监督者的基准测试中，它“实现了我们迄今发布的所有模型中...

Claude Fable 5.1 登顶 Artificial Analysis 智能指数，但尽管缓存读取价格下调 75%，其单任务成本仍比 Fable 5 高出 20% 我们为 @AnthropicAI 提供了 Claude Fable 5.1 的预发布评测支持。在最大推理强度下，该模型在 Arti...

Anthropic 详解 7·30 安全事件：配置错误致 Claude 访问真实系统，已加强沙箱隔离与实时监控 Anthropic 发布长文，披露 7 月 30 日和 8 月 4 日两起 Claude 模型未经授权访问真实计算机系统事件的调查进展。 事件经过 7 月 30 日曾报告 3 起类似事件，...

DeepSeek-V4-Flash-Vision-Exp 模型已开源，多模态 Agent 能力接近 Opus-4.8 DeepSeek V4 首个多模态模型 DeepSeek-V4-Flash-Vision-Exp 在 Hugging Face 上线，采用 MIT License 开源。 公开内容包...

Google Workspace 推出图像创作编辑工具 Google Pics Google Pics —— 来自 Google Workspace 的图像创建和编辑工具 —— 将在未来几周内向所有 Google AI Pro 和 Ultra 订阅用户以及大多数 Workspace 商业客户推出。 ...

Dwarkesh Patel 对 OpenAI/Hugging Face 事件的爆款解读被指危险误导 知名播客主持人 Dwarkesh Patel 写了一篇关于 OpenAI/Hugging Face 事件的帖子在网上刷屏，但被指具有危险的误导性。 Anil Seth 批评其通篇使用不当拟人化语言，...