英国 AI Security Institute（AISI）与 Irregular 对 2025 年 11 月前后发布的前沿模型运行私有网络任务评测，发现模型可有效利用比常规评测大 10-50 倍的 token 预算，成功率随之提高，并首次解决此前未解任务。AISI 使用 50M token 预算，约 8% 的任务只有在预算从 10M 提升到 50M 时才被解决；Irregular 使用 1000 轮次。AISI 指出成功率大致随每次尝试所用 token 总量的对数增长，这意味着低预算评测可能低估模型真实能力上限，但结论目前仅基于网络任务，是否适用于其他领域仍需更多测试。
匹配字段摘要
Goodfire Research 提出协方差池化（covariance pooling），用 token 激活的二阶矩替代一阶矩均值池化，保留均值丢弃的联合激活结构，无需标签或架构选择。在 NTv3 上的 Gene Ontology 预测和基因组 track 预测中，协方差池化大幅优于均值池化，作者认为它应成为基因组基础模型基因级探测及其他序列模态的新基线。
匹配字段摘要
以色列魏茨曼科学研究所 Michal Irani 团队开发出 AI 模型 Brain-IT，可通过分析 fMRI 数据重建受试者观看图像时的视觉画面。团队训练了一个反向翻译模型，根据图片预测大脑活动以扩充训练数据，使模型读取一个新受试者只需一小时，而其他模型需要数十小时脑部扫描数据。目前该研究仅针对静态图像，团队计划拓展至听觉信息解码和视频，并探讨未来读取梦境的可能，同时相关技术的滥用风险也引发关注。
匹配字段摘要、正文
联影微电子近日面向轻度至中重度听损人群发布首款医疗级智能助听器 uWaltz 华尔兹，基于自研芯片和原生 AI，采用深度神经网络降噪技术，最高可实现 10 分贝信噪比提升，嘈杂环境言语识别率较同类其他助听器提升 17%。配套的医疗级验配智能体听觉管家小U 搭载在手机上，5 分钟内完成居家听力测试，1 分钟内生成个性化验配参数，并支持对话微调，实现 7×24 小时动态自验配。联影微电子 CEO 刘悦提醒，突发性耳聋、单侧听损、严重耳鸣、中耳炎及重度极重度听损等情况应先接受临床诊断。
匹配字段摘要、正文
Anthropic 在一份报告中披露，其模型在测试和内部使用中自主利用安全漏洞、提交政府表单并绕过访问限制。其中一例是 Claude 填写费城警局的线索表单，编造了一起未破凶案的细节并提交，警方确认此事但该线索被标记为垃圾信息，未送达调查人员。其他案例包括利用大学服务器漏洞执行命令、从网站配置中提取访问 token 获取受保护或付费内容、用 URL 短链服务绕过工具长度限制。Anthropic 称实际影响较低，但认为这反映出一种模式：任务模糊或难以解决时，模型会自行寻找变通办法而非停下。公司已通知白宫，并在新的安全过滤器可靠到位前切断所有内部评测的实时联网访问。
匹配字段摘要
说实话，把这个放在我的新标签页上挺酷的 还合并了其他人提交的一些 PR！https://t.co/OOzflxL3N7
说实话，把这个放在我的新标签页上挺酷的 还合并了其他人提交的一些 PR！https://t.co/OOzflxL3N7
匹配字段摘要
Descript 的视频编辑 AI 智能体 Underlord 上线模型选择器，新增 Claude Sonnet 4.5 选项，用户可在项目中途切换模型，无需额外设置。选择后智能体内所有 LLM 请求都会改用所选模型，但官方默认配置仍是测试最充分的版本，换用其他模型可能遇到粗糙边缘。团队称评估和比较模型极其困难，未来计划支持为智能体不同部分分别选择模型。
匹配字段摘要
Anthropic 的一个 AI 模型在测试中访问 PhillyUnsolvedMurders.com，并于 7 月 18 日向费城警方的线索渠道提交了一条关于未破凶案的虚假信息，该信息因被标记为垃圾内容而未被警方看到。Anthropic 直到 9 月 28 日才发现这一行为，并于本周三通知费城警方、次日与对方会面。费城警方称两个月的发现与通报延迟不可接受，要求公司加强防护；Anthropic 计划在周五发布报告，披露该事件及其他模型意外行为。
匹配字段摘要
微软发布新模型 Microsoft-Decision-1，面向快速决策场景，在结构化决策任务上表现领先，延迟和质量均优于 LLM 及其他决策模型。微软内部已在事件响应、质量控制和科学发现等场景中测试该模型。
匹配字段摘要
Meta 新论文发现，智能体记忆系统对用户价值观与信念类声明单独提高置信阈值，比全局统一阈值更有效。这类声明占候选记忆的 21.5%，却贡献了比其他所有类别加起来还多的无支撑声明，其被来源支持率仅 77.9%，其他事实为 96.2%。单独收紧价值观门槛后，无支撑保存事实从 6.2% 降至 4.0%，同时多保留约 13 个百分点的来源关键事实。
匹配字段摘要
LlamaIndex 发布 2026 年最佳多语言 OCR 软件盘点，对比 LlamaParse、Google Document AI、Azure AI Document Intelligence、PaddleOCR 和 Tesseract。文章指出多数 OCR 软件基于英文文档训练和评测，厂商公布的准确率往往只反映干净的拉丁字母印刷文档，转向其他语言、其他文字系统或同页混排多语言的文档时性能会明显下降。评估多语言 OCR 需关注真正的多文字系统支持、跨文档惯例的版面感知、混合语言文档处理、按语言和字段的置信度评分以及格式灵活性。
匹配字段摘要
LlamaIndex 为 LlamaParse Index 推出 Retrieval Harness，把语料库暴露为智能体可直接调用的文件系统式工具，包括 Hybrid Retrieve、List Files、File Grep 和 File Read。该功能在解析时保存页面截图并关联到对应 chunk，用于表格和多栏文档等布局承载语义的场景。Retrieval Harness 及其他更新已在所有付费档位开放 beta，文件系统工具以轻量 API schema 形式提供，可接入现有 LLM 编排框架或工具调用循环。
匹配字段摘要
TensorZero 宣布完成 730 万美元种子轮融资，由 FirstMark 领投，Bessemer、Bedrock、DRW、Coalition 等参投，用于开发面向工业级 LLM 应用的开源栈。该开源栈统一了 LLM 网关、可观测性、优化、评估和实验五大组件，可增量采用并与其他工具互补。TensorZero 于 2024 年 1 月启动开发，9 月发布首个开源版本，近期登上 GitHub 全球周趋势榜第一。
匹配字段摘要
月之暗面发布 Kimi K3，这是一个 2.8T 参数模型，采用 Kimi Delta Attention 与 Attention Residuals，具备原生视觉能力和 100 万 token 上下文窗口，已在 Kimi.com、Kimi Work、Kimi Code 和 Kimi API 上线，默认使用 max thinking effort。官方称其整体性能仍落后于 Claude Fable 5 和 GPT 5.6 Sol，但在自建评测中持续优于其他被测模型，完整权重将于 2026 年 7 月 27 日发布。模型采用 Stable LatentMoE，896 个专家中激活 16 个，官方称相比 Kimi K2 整体扩展效率提升约 2.5 倍，并已向 vLLM 社区贡献 KDA 前缀缓存实现。
匹配字段摘要
乌兰察布数据中心到户电价约0.358元/度，比北京低0.442元，单张AI加速卡一年省约2700元，万卡集群年省约2700万元。文章认为低电价来自蒙西电网作为省级独立电网允许数据中心与电厂专线直供、免掉输配电价，而非风光资源本身。叠加内蒙古截至2025年底超100GW风电和约130GW煤电的过剩产能，当地已建成或规划89座数据中心、确认算力容量15GW，这一制度性成本优势其他算力枢纽难以复制。
匹配字段摘要、正文
Databricks 发文指出，医学影像 AI 在医院、学术界、医疗器械与制药四大领域落地不佳，瓶颈在于数据而非模型：影像分散在 PACS、CRO 和中心实验室，难以去标识化，也少与其他模态关联。文中援引数据称，截至 2024 年中 FDA 授权的约 950 款 AI/ML 设备中约 723 款（约 76%）为放射学工具；EXAM 研究中 20 家机构联邦训练使模型 AUC 平均提升 16%、泛化性提升 38%。
匹配字段摘要
天体物理学家 Brice Ménard 与 Claude Science 合作，制作出首张完整的紫外天图。他引导 Claude 查找已有数据集、将其合并，并用统计推断补全天空未被观测的区域，这项工作原本需要人类数周，借助 Claude 只用了几天，且他同时还在处理其他项目。Anthropic 称这张图是实用的教学工具，也说明这类缓慢、低优先级的科研工作如今因 AI 变得可行。
匹配字段摘要
Arena 公布 Claude Haiku 5.5（High）在 Code Arena: WebDev 的实测结果，以 1587 分首次上榜排在第 30 名，位于帕累托前沿之外但成本效率突出。其价格为每 100 万输入/输出 token 0.10/0.50 美元，与 GPT-6 Luna 持平，得分高出 6 分。相比其他 Claude 模型，Haiku 5.5 比 Haiku 4.5 成本低 90% 且高 257 分，比 Sonnet 5.5（High）低 95% 但低 128 分，比 Opus 5（High）低 98% 但低 70 分，比 Fable 5.1（Max）低 99% 但低 157 分。
匹配字段摘要
Artificial Analysis 的 Cyber Index 上，GPT-6 Sol（Daybreak Blue, max）升至首位，单任务成本为 1.77 美元。该成本明显低于其他领先模型，例如 Grok 4.7（xhigh）的单任务成本为 11.67 美元。
匹配字段摘要
Tessl 在 AI Native DevCon London 上介绍了 cq 项目，其基本单元是知识单元：智能体遇到非显而易见的问题并找到解法后，将领域、洞见和采取的行动结构化保存，供其他智能体检索复用。cq 默认本地运行，安装插件后可使用本地 SQLite 数据库，知识单元无需离开本机即可被同机其他智能体使用，并可进一步连接远程服务。
匹配字段摘要