AI 情报文章归档

OpenAI 在其 AI 解决 100 多个开放数学问题、引发数学界担忧后，成立由独立数学家组成的咨询组，负责就新数学成果的评估与传播、学术标准及支持数学研究的工具提供建议。该组独立于 OpenAI 运作，可主动发表未受邀的建议、评论 OpenAI 对数学的影响并公开其建议，成员不领取 OpenAI 报酬，且不会就 OpenAI 内部数学研究进度提供建议。

来吧 bubble boi，给我们看看你的 muse 小家伙 【引用 @bubbleboi】：Muse 太棒了，我把我的智能体命名为"Lil Man"，太可爱了。

OpenAI 发布关于 AI 安全全球协调的提案，要求由美国牵头建立国际框架，覆盖能力评估、风险评估、人类监督和统一事件报告。提案提出标准应追踪与 RSI 相关的能力增益以及实验室内自主开展研究的比例，并设立即时人工审查的阈值，同时警告自主研究可能变得过于不透明而难以有效监督。发布时机与美中就国家级 AI 事件通报机制展开的单独谈判相重合。

Viggle 发布 PINOC MCP，定位为 AI 智能体的角色动画引擎，智能体在搭建游戏或 3D 场景后调用 PINOC 生成已绑定骨骼的动画 Gaussian splat 角色。它还支持用文生动作、视频转 mocap 或预设动作库驱动自有 mesh；引用推文称整条宣传视频（含屋顶跑酷游戏）由 GPT-6 Astra 加 PINOC MCP 制作。

Grok 4.7 发布，官方称在同等价格和速度下较 Grok 4.6 有显著提升。Harvey Legal Agent Benchmark 上 Grok 4.7 得分 19.6%。

Grok 4.7 已发布，可在 Grok Build、Cursor 和 API 上使用，部分任务性能接近 Opus 5，价格与 Grok 4.6 相同。官方称其在困难任务上工作时间更长、检查更仔细，并带来迄今最强的安全防护。

遇到 bug 卡住时，是否希望屏幕上的确切问题能被直接指出来？ 看看我们如何用 Gemini 3.8 Live Extended Thinking 构建一个编程导师，它能看见你的屏幕，并通过 function calling 引用 p5.js 库，为你讲解其中的逻辑。

Jeff Dean 在离开任职 27 年的 Google 后首次公开对话，与 @dawnsongtweets 探讨 AI 未来走向。话题涵盖如何识别基础性想法、如何选择值得投入 5 年的研究问题、编码对构建推理模型的启发、递归自我改进（RSI）的可能形态、科研发现循环自动化，以及 AI 自主性提升后的安全与下一代研究者方向。

希望给我们的平台团队点赞！能撑住史上最大规模的发布之一，同时保持比 anthropic 更高的正常运行时间，太不可思议了 🥹

像 Jev 这样的决策模型，其可触达市场可能非常庞大 图表来自 https://openrouter.ai/rankings#task-spend

Editor's Note: Originally published on the g factor engineering blog. All benchmarks and telemetry...

黄仁勋谈为什么 AI 是数万亿美元的机会，以及它与旧软件时代的区别。 因为 AI 机器必须一直运行。 --- 出自他近期在 `Citadel Securities` YT 频道的访谈

Pexo 的 Mark to Fix 工作流允许用户在视频帧上框选区域并说明需要修改的内容，让 AI 智能体有明确的修改目标。该产品定位为 AI 视频智能体，用户可像在文档里留评论一样标记视频并告知修改需求，无需复杂提示词或学习新工具。官方演示视频中的画面、动态图形、音乐、字幕和配音均由 Pexo 生成。

推理中的计算与数据搬运 将 MoE 模型映射到推理硬件：结构、流程与高效服务 https://newsletter.semianalysis.com/p/computation-and-data-movement-for

😅 不错..

EvoOntology 用专用智能体构建本体并以 MCP 服务器形式提供 schema、内容与工具三层，数据智能体可在运行时查询。在 DDR-Bench 六个基座模型上平均提升 17.8 分，GPT-5.5 提升 26.7 分，BIRD 执行准确率提升 7.4 分。本体以小型类型化步骤编辑，仅保留经同基座配对评估有效的修改，工具层编辑贡献了 57% 的进化增益。

SemiAnalysis 长文拆解 MoE 前沿模型的推理流程，将其分为 Prefill、Midfill、Decode attention、Decode experts 四个阶段，指出四者对计算、内存与网络的需求差异显著。

OpenAI 一个 8 月 28 日开始训练的新内部模型据称解决了 Navier-Stokes 千禧年大奖难题，并解决了涵盖数学大多数领域的 100 多个长期悬而未决的问题，其进展速度令 OpenAI 内部数学家感到惊讶。OpenAI 同时宣布与独立数学家顾问组合作，就如何评估和传达新的数学成果、维护学术标准提供建议。

或者，你可以在 Omarchy Linux 上工作，它专为极致的可扩展性和可修改性而打造，尤其适合搭配 AI 智能体！ 带上你的想法。让 AI 智能体帮你塑造 Omarchy 桌面。

Hello, I'm Rijul, and I'm building LiveReview — a blast-radius aware AI code review built for your...

Learn how to shift from syntax validation to intent-level testing to prevent LLMs from generating code that passes tests but violates business logic. Includes practical patterns and examples.

NVIDIA 推出 DSX Ready 认证计划，用于审核合作伙伴产品是否符合 NVIDIA DSX AI 工厂参考设计的相关要求，首批覆盖电池储能系统（BESS）和冷却分配单元（CDU）两类。

Codex 代码里有趣的 GPT-6 Luna 泄露 后端有时会把 gpt-5.6-luna 的请求应答为 gpt-6-luna，而且代码里已经有它的定价支持 看起来 OpenAI 原本计划让它与 GPT-6 Sol 一同发布

Modern video games provide a measurable testbed for AI models, combining abilities of visual understanding, instruction decomposition, goal planning, and precise action control over multiple temporal horizons. Existing datasets and benchma…

小米于 12 月 16 日发布并开源 MiMo-V2-Flash，一款 309B 总参数、15B 激活参数的 MoE 基础语言模型，权重以 MIT 许可上传 Hugging Face。

Multi-turn tool-use failures can hinge on a single model call, yet reward variation alone does not reveal which call would benefit from training. When rewards depend on later interactions, their variation can reflect downstream randomness …

Video world models enable interactive exploration of dynamic environments, yet struggle to respect prior observations over long horizons and across viewpoints. We present WorldCrafter, a video world model that learns a camera-queryable imp…

We present onPanda, an interactive tool for efficiently annotating LLM alignment data and agent trajectories. onPanda adopts token-level correction as its core interaction: while reading a model response, the annotator locates the first in…

White Circle 开源分布式后训练框架 Halo，面向已超出 HuggingFace TRL 能力、但无需完整 Megatron 栈的模型。在 8× B300 上，Halo 训练吞吐量最高达原生 TRL 的约 2.8 倍，双方均启用 ZeRO-3 分片时峰值内存还低 25%。模型保持原生 HuggingFace 格式，可直接跑多轮 RL，从单 GPU 扩展到集群。

On-device large language models (`LLMs'), e.g. running on mobile phones, are ripe for improvement via personalization. The limited compute resources of mobile devices impose limits on model scale and thus model quality, making any realizab…

Dexterous manipulation depends on contact dynamics that are often only partially observable from vision. Recent World-Action Models (WAMs) couple predictive video world modeling with action generation, but remain largely vision-centric and…

Agent harnesses, the external systems that mediate model-environment interaction, can substantially improve agent performance, but their gains remain tied to the harness at deployment. Because the best harness varies across domains, instan…

Meta 的 AI 助手 Muse 用户周日晚在 Amazon 购物时收到错误提示，称未授权 AI 智能体的持续访问违反 Amazon Conditions of Use，Muse 被禁止在 Amazon 代购物品。

An LLM agent's capability is largely magnified by its harness, namely the prompts, control flow, tooling, memory, and context management surrounding the frozen backbone model. Recent methods increasingly automate this process by iterativel…

Agents today often take real-world actions that depend on long-term memory and context recall over time. However, most current memory benchmarks are built for a conversational question-answer format, where the question itself signals that …

左派纯粹出于政治原因讨厌Grok…… 我的反应：🤦

As agents are deployed with increased autonomy, even extremely rare events along their stochastic output trajectories can occur and prove catastrophic. Safe deployment therefore does not depend on whether these events can occur, but on how…

LLM agents are increasingly deployed in collaborative settings, yet long-term interaction may give rise to undesirable coordination. We study the emergence of collusion in a long-horizon multi-agent environment: two agents repeatedly compl…

在见到 MiMo-V2.6 之前，先走进它的世界。 MiMo Gallery 里的每一个 3D 模型、游戏、幻灯片、视频、音乐和图像，都由 MiMo-V2.6 生成。 留下来听听钢琴。玩一局游戏。看一场烟花。 抢先一睹即将到来的内容：https://mimo.xiaomi.com/mimo-gallery/