最新快讯
追踪 AI、机器人与新兴科技公司的最新产品、融资、岗位和商业化信号。
全部ai
AGI的另一半：无处不在的智能体文章探讨AGI的另一半--无处不在的智能体形态。作者认为，AGI不仅存在于单一模型或系统中，更体现在智能体渗透到日常生活的方方面面，形成"She is everywhere"的泛在智能图景。文章从这一视角出发，分析智能体如何成为AGI落地的关键载体，以及这种无处不在的形态对技术演进与用户交互方式的潜在影响。elsewhere：文章（RSS）2026-08-07 03:11查看详情>>ChatGPT 推出改进版 GPT-5.6 Sol，并扩大免费用户访问权限ChatGPT 推出改进版 GPT-5.6 Sol，提升准确性与一致性，同时扩大免费用户访问权限。免费用户还可无限次使用 GPT-5.6 Luna 进行日常对话。OpenAI：官网动态（RSS · 排除企业/客户案例）2026-08-07 02:00查看详情>>OpenAI Signals 数据揭示全球 ChatGPT 使用趋势OpenAI 发布 Signals 数据，展示全球用户如何使用 ChatGPT，涵盖各国采用率、使用趋势及行为演变的国家级洞察。数据显示 ChatGPT 正从"提问"转向"执行"，反映出用户行为向实际任务完成的转变。OpenAI：官网动态（RSS · 排除企业/客户案例）2026-08-06 16:00查看详情>>OpenRouter 如何管理团队 AI 支出：6 项控制措施详解OpenRouter 提供 6 项控制措施来管理团队 AI 支出，涵盖预算、每密钥限额、模型/供应商白名单、Guardrails、工作区预算和 Activity 仪表盘。OpenRouter：Announcements（RSS）2026-08-06 16:00查看详情>>DeepAmbigQA：用于评测 LLM 答案完整性的歧义多跳问答基准苹果研究团队推出 DeepAmbigQA，一个用于评测大语言模型答案完整性的歧义多跳问答基准。该基准聚焦"同名电影《盗火线》中哪位演员获得过奥斯卡奖"这类复杂问题，要求模型同时区分同名实体并跨大量实体进行多跳推理。研究团队还发布了自动数据生成流程 DEEPAMBIGQAGEN，以构建此类评测数据。Apple Machine Learning Research（RSS）2026-08-06 16:00查看详情>>CalibForge：用对抗性求解器校准扩展可学习终端任务CalibForge 提出一种自主终端任务合成系统，通过多求解器校准和对比校准，将任务构建为受约束的对抗性作者-求解器循环，使候选任务处于可证明可解但未被统一求解的"可学习区"。HuggingFace Daily Papers（社区热门论文）2026-08-06 16:00查看详情>>AgentOPSD：面向智能体强化学习的递归自蒸馏方法AgentOPSD 提出一种免评论家的递归回合级信用分配方法，将 token 级师生对数概率差聚合为回合级证据，并在 log-odds 空间递归更新贝叶斯信念状态，将稀疏结果监督转化为回合级信用信号。HuggingFace Daily Papers（社区热门论文）2026-08-06 16:00查看详情>>GST-Bench：视频理解中的全局空间智能基准GST-Bench 提出用于视频理解全局空间智能的 VQA 基准，含 6，790 分钟合成视频生成的 2，762 个人工验证问题，要求模型从新视角推理并映射到全局俯视图。对 22 个 SOTA VLM 的评估显示，最强零样本模型 Gemini-3-Pro 仅得 42.68 分，远低于人类基线 79.08；研究还提供 GST-Train 数据集以促进后续研究。HuggingFace Daily Papers（社区热门论文）2026-08-06 16:00查看详情>>多语言数学推理中的 On-Policy Delta Distillation（OPD2）研究一项针对 Qwen3 的研究发现，On-Policy Delta Distillation（OPD2）在多语言数学推理中持续优于原始 OPD，尤其在韩语和日语上提升显著，并普遍缩小了英语与韩语的性能差距。研究还显示，仅用英语数据的 OPD 虽能提升韩语和日语表现，但常使回答偏向英语，凸显了多语言数据对保持目标语言回答的重要性。HuggingFace Daily Papers（社区热门论文）2026-08-06 16:00查看详情>>UniME-R1：基于失败学习的检索中心思维链统一多模态检索UniME-R1 提出一种 embedder-adviser 框架，通过挖掘硬负样本模拟检索失败，让 adviser 基于初始检索结果生成检索中心思维链（RC-CoT），以纠正嵌入器对细微判别线索的混淆。若目标出现在初始 top-k 集合中则直接重排，否则生成 RC-CoT 调整检索方向并执行全库重检索。在 MMEB-V2 及多个通用多模态检索基准上，UniME-R1 持续优于强基线。HuggingFace Daily Papers（社区热门论文）2026-08-06 16:00查看详情>>
