#前沿研究
共 9131 篇相关文章
MLExpert：35B智能体模型让机器学习工程自主化
MLExpert是一种35B混合专家智能体模型，通过分层SFT和窗口化交互强化学习WIRL，在MLE-Bench Lite上将奖牌率从37.9%提升至72.7%，探索AI4AI自主机器学习工程路径。
FDE-Gym基准：AI交付最后一步为何卡住
FDE-Gym是覆盖18个行业95个真实交付任务的AI Agent基准，评测结果显示最佳模型仅得0.56分，发现未言明约束是主要瓶颈，揭示AI交付最后一公里的实质鸿沟。
细粒度专家+共享专家：MoE路由探索的两难困境
细粒度专家切分与共享专家的组合存在路由探索困境：共享专家降低token表示多样性，削弱探索动力，使细粒度切分的表达能力无法兑现。MirrorMoE通过自适应抑制缩小探索空间来破解这一矛盾。
CoDA：数据引擎与动作策略协同进化，机器人训练新范式
CoDA框架让仿真数据引擎与动作策略协同进化，通过共享异构记忆和Text2potential密集监督，在四个操作任务上将OOD成功率从5.3%提升至27.6%，LIBERO-Pro上最高达84%。
T2-Z：机器人世界模型的测试时环境潜变量优化
T2-Z 提出测试时优化环境潜变量，让机器人世界模型无需监督即可适应新环境。实验显示预测误差从15.20降至7.00，动作成功率从33.73%提升至72.96%，单次交互即可推断环境潜变量。
大语言模型发现全新量子电路，八项任务七项超越现有最优
研究提出LLM进化框架自动设计量子电路，在数值计算、化学、优化等八项任务中七项超越现有最优，同时降低Toffoli门和量子比特数量，并发现全新的可逆模逆运算架构。
OpenAI 办公室惊现隐蔽录音设备：AI 模型协助锁定内部嫌疑人
一家 AI 公司办公室内发现隐蔽录音设备，公司利用自身模型分析设备来源，锁定内部员工并移交 FBI 处理。事件揭示了 AI 公司在内部威胁防御、模型安全保护以及国家安全协作方面面临的多维挑战。
LIBERO-PeRM：首个个性化机器人操作基准发布
LIBERO-PeRM 是首个针对个性化机器人操作的受控基准，包含 312 个任务，分离任务完成与偏好满足。实验显示当前 VLA 策略零样本个性化能力薄弱，偏好泛化与冲突处理仍是难点。
OpenAI回应安全研究员离职风波：坚守信任底线
OpenAI研究领导层回应三位安全研究员离职事件，强调决定并非因安全关切发声，而是敏感信息处理违规。公司承诺加强第三方安全评估和模型可监控性研究。
Gemini 4 Argon深度实测：6款高难度应用硬核挑战
Gemini 4 Argon深度实测：跑分超越Opus 5.5却在6款高难度应用中暴露底层短板。B站UP主用模拟器、Docker工具、键盘应用等硬核挑战，揭示Argon擅长表面UI却糊弄底层功能的真实面貌。
Gemini 4 Argon 实测：12个演示展示3D世界与游戏生成能力
Gemini 4 Argon 实测汇总：12个演示覆盖3D世界生成、物理模拟、游戏一键生成与Google生态任务。对比Claude速度差距达10倍，附中国用户跟进建议与局限性分析。
Gemini 4 Argon一夜优化20万行代码，三项评测并列榜首
Google Gemini 4 Argon 发布，三项评测自动化51.3、长视频91.7、安全测试68并列榜首，实战一夜优化20万行代码，三个入口全球开放，本文解读其能力与影响。
Gemini 4 Argon发布：10个硬核Demo全解析
谷歌Gemini 4 Argon发布，单次可输出100万Token，支持持续推理与独立完成复杂任务。本文深度解析10个官方Demo：从Fortran代码迁移、ADK运行时优化，到桌面赛车游戏、NASA月球任务可视化与实体硬件生成，揭示AI从回答问题转向独立完成项目的关键变化。
谷歌Gemini 4 Argon发布：开发者与订阅用户抢先体验
谷歌发布Gemini 4 Argon AI模型，全球同步上线。开发者可通过付费Gemini API接入，企业用户融入Gemini平台，Ultra及Pro订阅者可在Gemini应用和谷歌搜索中抢先体验。
谷歌Gemini 4 Argon发布：逻辑推理登顶，AI编程能力实测
谷歌发布Gemini 4 Argon旗舰AI模型，逻辑推理和数据分析双双登顶LMArena榜单。实测4张照片生成3D虚拟摄影棚、一句话构建租房买房模拟器，AI编程能力大幅进化。
Gemini 4 Argon 发布：百万输出Token与Agent自进化
Gemini 4 Argon 正式发布，带来行业领先的100万输出Token能力，Agent深度参与模型训练形成RSI飞轮，10万工程师内部测试，写作风格全面重塑。本文深度解析Argon的技术突破、内部测试细节与实用场景。
谷歌Gemini 4 Argon发布实测：逻辑推理与编程能力有多强
谷歌Gemini 4 Argon正式发布，逻辑推理95.1分排名第一，实测四张照片生成3D展厅、一条提示词构建金融模拟器，编程速度比Opus快26倍，成本降低近7倍，AI编程与3D建模能力全面升级。
Gemini 4 Argon深度实测：低价高能，但非一次性出图神器
深度实测谷歌Gemini 4 Argon：百万token输出、机器人控制、逆向工程游戏移植表现亮眼，但3D图形需多轮打磨才能达到顶级水平。入门价$2/$10极具性价比。
