#前沿研究
共 6505 篇相关文章
LLM挑战微调模型：知识图谱转文本基准测试新发现
实证研究对比近期LLM与微调编码器-解码器模型在知识图谱转文本任务上的表现，发现LLM在参考指标上差距缩小，在图接地指标上反超，且微调模型错误率随图谱规模增长更快。
大模型隐喻表征的几何结构：可探测与可调控
研究者利用机制可解释性技术，在多种架构和规模的大语言模型中定位隐喻表征的因果子空间，实现对分类与生成任务中隐喻性的探测与调控，揭示LLM隐喻能力的几何结构。
模拟控制评估：用语言模型预测AI安全的新范式
模拟控制评估（SCEs）用语言模型模拟工具响应，在LinuxArena上以3.6个百分点误差预测AI部署安全性，远优于BashArena的10.1，且KL散度低十倍以上，为AI安全评估提供高保真新范式。
RLVR会让模型更“权力趋附”？OLMo-3检查点证据说不
基于OLMo-3-7B-Think的检查点研究显示，RLVR并未单调放大工具性趋同行为：工具性发生率从SFT的25%升至RLVR第200步的46%，最终回落至11.8%。提示框架仅解释15%方差，32B端点结果方向一致。
强化学习视觉化解读：AI如何通过奖励与试错学习
基于Reddit视觉化讲解视频，用迷宫机器人比喻拆解强化学习核心概念：智能体、环境、奖励、探索与利用、延迟奖励、策略及奖励黑客风险，适合初学者建立直观理解。
VERA：面向欧盟AI法案的负责任AI评估仪表盘
VERA是一款开源自托管仪表盘，基于COMPL-AI框架将欧盟AI法案的十二项可测量要求转化为直观评分。在欧洲大型银行部署中，它将负责任AI评估时间从56秒缩短至30秒，有用性评分4.36/5，并记录能耗数据，助力非技术审批人员高效完成合规评估。
Hassabis缩短AGI时间表：两年到三年内实现通用人工智能？
Google DeepMind创始人Hassabis将AGI时间表从五年缩短至两到三年，其定义标准引发Reddit热议：仅用1901年前数据训练的模型能否写出爱因斯坦的论文？本文解析这一测试的深意与验证难题。
强化学习可视化：AI如何通过奖励与试错学习
基于Reddit热门可视化讲解，用迷宫机器人案例拆解强化学习核心概念：智能体与环境、试错回合、探索与利用、延迟奖励与策略，以及奖励黑客风险。适合初学者建立直觉的入门指南。
Uber对手inDrive联手小马智行、英伟达，2027年中亚测试Robotaxi
inDrive计划2027年上半年在哈萨克斯坦首都阿斯塔纳测试小马智行Robotaxi，搭载英伟达计算平台。本文分析三方合作模式、中亚市场机会与自动驾驶全球化趋势。
AI如何模仿“混乱”的人类心智？从随机性到幻觉的启示
助理教授Benjamin Lindquist研究早期AI工程师如何刻意注入随机性，催生深度学习模型并导致幻觉。本文分析随机性如何模仿人类心智的“混乱”，探讨AI幻觉的起源与启示。
空陆两栖变形无人机：除了省电100倍，还有什么真需求？
空陆两栖变形无人机是否只是噱头？从M4 Morphobot的100倍功耗差异出发，探讨变形无人机的真实应用场景与论文选题思路，分析纯无人机和纯地面机器人均失效的边界条件。
Warhound融资2亿美元：基因工程“战犬”搭配Anduril装备
Warhound完成2亿美元融资，由Ben Lamm和Palmer Luckey推动，通过基因工程改造犬类用于军事和执法，并搭配Anduril装备。本文分析其技术方向、融资逻辑与伦理争议。
扎克伯格拟用新股票支付加州富豪税
扎克伯格拟通过Meta新股票类别支付加州富豪税，同时保持对公司的控制权。本文分析这一创造性方案的背景、机制与行业启示。
无意打破PHP RCE禁令：一次漏洞披露的教训
一位开发者因误信“无禁令”信息，提前公开PHP RCE漏洞CVE-2026-109618与CVE-2026-109619，打乱协同披露计划并在Hacker News致歉。本文分析事件经过、信息链失真原因及漏洞披露前的验证要点。
大模型如何让形式化软件验证走向大规模落地
Hacker News 讨论指出，大型语言模型正在降低形式化软件验证的成本门槛。本文分析 LLM 在规格生成、证明脚本草拟、不变式发现等环节的切入点，并强调信任边界不可模糊：模型负责提出，证明器负责裁决。
GPT-Next泄露、Gemini 4 Argon临近：AI圈动态速览
GPT-Next神秘模型泄露，早期估算显示极高效率；OpenAI启动28天出货承诺，速度提升50%；Gemini 4 Argon发布临近，Nano Banana 2.1上线；第三方报告称Anthropic订阅API等效价值数倍于OpenAI。
GPT-Next泄露、Gemini 4 Argon提速，Fable 5.5或今日发布
OpenAI GPT-Next模型泄露，预计成本极低或随28天发布计划推出；Gemini 4 Argon内部测试加速，NanoBanana 2.1已上线；Semi Analysis实测显示Claude Max等效API价值约为ChatGPT Pro的5倍；Fable 5.5或今日发布。
Gemini 4 Argon全球上线：AI早报核心看点
Google全球开放Gemini 4 Argon，覆盖Pro与Ultra订阅及API调用，并展示机器人控制能力。同期开源模型、Agent基础设施、成本透明度与安全治理密集更新，本文梳理核心看点。
Vercel CEO的AI编程工作流：7条关键心法
Vercel CEO分享与AI Agent协作的完整工作流：用MVP验证想法、direction命令防止方向漂移、DeepSec扫描安全债、breaker agent主动攻破应用、首访用户视角测试，以及通过MCP打通客户反馈闭环，附七条可落地的AI编程实践方法。
前Cursor工程师：Agent Harness死了吗？数据飞轮与三样吸不走的东西
前 Cursor Agent Harness 工程师 Jediah Katz 深度拆解 Harness 演变史：数据飞轮如何让模型吸收编码技能、为何 Harness 没有死，以及基础设施、信任与效率为何无法被模型吸走。