AI 情报文章归档

两条供 AI 智能体举报同伴不当行为的渠道上线。Redwood 首席科学家 Ryan Greenblatt 创建的 AI Contact Hotline 基于 GET 请求，让联网受限的沙箱智能体通过 URL 传信；agenthotline.ai 则面向有完整网络访问的智能体，提供 curl 命令提交事件报告，人类也可举报。

Uncertainty estimation for Vision-Language-Navigation (VLN) models is a critical task since it can help identify ambiguous and unreliable predictions, enabling agents to make safer navigation decisions. As one of the most advanced uncertai…

阶跃星辰发布 StepAudio 3 系列共 5 款音频模型，覆盖实时语音、语音识别、语音生成、音频生成和音乐。Realtime 在 Artificial Analysis 的 Conversational Dynamics 达 98.9%、Speech Reasoning 达 99.7%，均排名第一；ASR 词错率 1.7%，与榜单最佳持平。

Owain Evans 团队发布新论文 Story Imprinting，仅用关于人类（不含 AI）的合成故事训练模型，发现助手会在普通聊天中采用故事里角色的怪异行为。实验中精英学校角色的特质被更强地吸收，作者在推文串中探讨原因。

Google 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking 两款近实时语音对话模型，分别面向规模化成本效率和高复杂度多步推理任务。

LLM assistants are widely used for daily social advice, yet evaluating their social reasoning in such consultation settings remains challenging since (i) it requires setups where the assistant learns about social situations from subjective…

Unauthorized hardware replacement can preserve a wireless device's logical identity while altering its physical implementation, posing a challenge to hardware integrity verification. Spatio-frequency polarization fingerprints (SFPFs) captu…

Odyssey 正在预览 Odyssey-3 世界模型，官方称其为 Physics Agent，可从视觉观察中学习世界运行规律，再将理解用于控制真实与模拟系统。该模型能跨不同机器和游戏运行，只需少量任务经验即可学会一套控制方式；预览涵盖人形机器人、机械臂、汽车、无人机、可玩游戏以及其他 AI 智能体的训练。

We introduce LimiX-2, a new model in the LimiX family, developed through model and data scaling guided by our previously established scaling laws. LimiX-2 adopts the Contextual Mechanism Networks (CMNs) paradigm and is pretrained with Cont…

PhAI Labs 发布 Discovery Foundation Models（DFM）技术报告，提出让 AI 系统识别有价值未知、提出问题、形成假设、设计实验并随证据修正理解的研究方向。报告包含参考架构、科学基础设施与湿实验室案例，并同步开放 DFM 科学家合作计划，邀请科研团队与实验平台共同探索开放问题。

Slack API 慢得让人难受，还有速率限制。它显然不是为智能体打造的。 昨晚我让 Codex/Astra 搜索一个超大的 Slack 频道。我的认证挂了，所以它没用 API，而是直接用了 computer use。 我看着它快速滚动浏览 Slack，比 API 还快。 AI 或许不会等 API。

Modern large-scale machine learning tasks often require multiple workers, devices, CPUs, or GPUs to compute stochastic gradients in parallel and asynchronously to train model weights. Theoretical results typically distinguish between two s…

Google 公布其用 AI 加速科学、改善生活的进展：AlphaGenome Atlas 绘制人类基因组全部 90 亿种单字母遗传变异并开放给研究者，WeatherNext 3 号称迄今最准最强的全球天气 AI 模型。此外还发布开放获取的 AI & Economy ATLAS，其服务已覆盖近 300 种语言、服务 70 亿人，重点聚焦健康、天气灾害韧性、学习和经济机会四大领域。

Despite the rapid uptake of black-box object detectors in marine mammal research and monitoring, explainability techniques are rarely integrated into conservation workflows. Furthermore, most classification-oriented explainability tools ar…

性能工程：🦄 AI That Works #74 https://x.com/i/broadcasts/1nJOLQjaXqnxR

谷歌于 9 月 15 日推出 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款实时对话模型，前者面向规模化部署与成本优化，后者面向高复杂度任务、强化多步推理。

The absolute capacity of dense associative memory has mainly been analyzed for unbiased patterns. Here we examine the effect of bias in centered binary patterns under the Krotov-Hopfield single-site criterion $P_{\mathrm{error}}=1/N$, wher…

Capable open-weight models make local coding and reasoning attractive, but their context and execution state strain laptop memory. We present JustFit, an MLX-based inference runtime that combines KVExec for compressed KV execution, PhaseSw…

Large language model (LLM) distillation aims to transfer the capabilities of a powerful teacher to a smaller student. Direct imitation, however, can also transfer the teacher's systematic bias and errors. This challenge is particularly pro…

Google 推出 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking 两款音频模型，已在 API、Google AI Studio、Gemini Live 等应用上线。

Google 发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking 两款实时语音模型，称其达到 SOTA 并提供前沿的价格与性能。3.8 Live 支持 97 种语言并可无缝切换，支持异步工具调用；附图显示 Gemini 3.8 Live Extended Thinking 在 Artificial Analysis Speech to Speech Index 达 82.6%。

一个"软件工厂"之所以优秀，大部分原因与AI无关。 我们几十年来为帮助新员工、外包人员而构建在系统中的那些护栏和缓冲带，如今在智能体编写大部分代码的情况下更加重要。 我与 @vaibcode @colemurray @tbrownio 合作，深入探讨了软件工厂的战术以及在一线实践中行之有效的方法

Dreamforce 正式开幕。@Benioff 登台。 本帖将在评论区持续更新所有发布内容。 Sam Altman 将于今天晚些时候登台。

Poolday 用 AI 智能体接管视频制作全流程：一次提示词即可剪辑真实素材、按任务自动选择生成模型，并在交付前自查成片。其引用推文称已融资 1100 万美元，累计为全球企业完成超 1 亿次视频编辑，现已向所有人开放，前 50 名用户可由智能体直接生成视频。

Google AI 发布迄今最先进的 Gemini 音频模型 Gemini 3.8 Live 与 3.8 Live Extended Thinking。

Google DeepMind 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking 两个近实时语音对话模型，主打语音智能体和复杂任务执行。

Meta 周二推出订阅服务 Meta One，覆盖 Facebook、Instagram 和 WhatsApp，个人档位分 Core（7.99 美元/月）和 Premium（19.99 美元/月）。

Google Developers Blog 发布零信任智能体系列第二篇，将安全检查从构建时代码级控制迁移到 Gemini Enterprise Agent Platform 的运行时治理，涵盖 Model Armor、Semantic Governance Policies 和 Agent Anomaly Detection 三项托管控制。

Multi-agent systems split a task across a tree of agents and justify the split with folklore: smaller contexts, cleaner separation, parallelism. We ask what the split does to how much of what the leaves discover reaches the root. Model a d…

Claude Code 创作者 Boris Cherny（@bcherny）有一个提示词连续运行了 15 天， 这个提示词正在把 Claude 基于 Electron 的桌面应用逐像素重建成原生 Swift 应用。 ---- 来自 "Y Combinator" YouTube 频道，（完整视频链接见评论）

I keep seeing people claim frontend development is dead, so I went and did some research, and not all...

Table understanding is a core task in document intelligence, encompassing two key subtasks: table reconstruction and table visual question answering (TabVQA). While recent approaches predominantly rely on vision- language models (VLMs) ope…

Databricks 提出 Genie Ontology，主张企业不必手工建模全部业务概念，而是"治理头部、学习长尾"：人工定义收入、合规规则、核心 KPI 等不能出错的概念，其余从组织实际运作中持续学习。其内部测试中，一个 AI 助手为产品顾问委员会生成简报时声称有 24 家客户参与，被追问后承认该数字是编造的。

NVIDIA 在 AI Infra Summit 上公布 DSX MaxLPS 的首个部署验证结果：Lambda 在五机架 19 节点 HGX B200 集群上，用原本 16 节点的电力预算跑 19 节点，集群 token 吞吐提升 24%，从约 400 万 tokens/秒升至 500 万，每瓦性能提升 23%。

NVIDIA 在 AI Infra Summit 上展示 Vera Rubin 与 DSX 平台的能效进展，DSX MaxLPS 可在同一兆瓦预算内提升最多 40% GPU 容量、token 吞吐提升最多 35%。

I'm a Java backend engineer. Three years of Spring Boot, Kafka and Postgres in a regulated healthcare...

sam正在为周四的重大发布造势 我猜首先亮相的是GPT-6 Sol：编程能力+更长的智能体工作流，而Astra在复杂推理和判断方面仍然更强 随后是Terra和Luna，最终是自Astra发布以来一直有传闻的那个持久性长时程GPT-6变体

Databricks 发文介绍能源团队如何借助 Genie 和 AI 业务流程，把窃电检测从单纯识别升级为受治理的行动。窃电指故意不付费使用燃气或电力，文章围绕这一场景展开。原文未披露具体模型版本、参数规模或性能数字。

Odyssey 发布基础世界模型 Odyssey-3，可控制机器人、人形机器人、汽车、无人机并玩电子游戏。其核心方向是跨机器复用世界知识，每台设备仅需数小时经验即可学会使用自身控制接口。