#前沿研究
共 9121 篇相关文章
Agent基准测试的"用户"是第二个模型，24.4%的成功运行违反了用户脚本
UserProxyBench论文揭示交互式Agent基准测试中模拟用户代理的失败模式：24.4%的成功运行违反了用户规范，更换用户代理导致15.2分奖励波动。用户保真度分数比奖励分数更能追踪交互质量。
Agenthof 开源治理引擎：给 AI Agent 戴上权限紧箍咒
Agenthof 是一个 Apache-2.0 开源 AI Agent 治理引擎，通过"门"机制授权每次调用、注入凭据并写入防篡改账本，回答谁授权、用了谁的密钥、有没有被拒绝。
Gemini 4 Argon全球开放：百万级Token上下文窗口
Google Gemini 4 Argon已全球开放，支持100万Token上下文窗口，定价为每百万输入Token 2美元、输出10美元。本文分析其功能定位、发布节奏、定价逻辑及企业落地注意事项。
多模态AI生产落地：Demo之外的真相
多模态AI在生产环境中的真实挑战：40-60%文档需预处理，p95延迟放大3倍，音频视频带来合规冰山。本文拆解演示与生产之间的流水线差距，给出失败博物馆、人工队列与延迟预算等落地建议。
453位科学家联名：AI模型应立即断网隔离
453位科学家联名发表公开信，要求AI实验室将具备网络攻击能力的模型断开互联网。Hinton、Bengio等重量级学者签名，Anthropic CEO Amodei也认同风险。本文深度解析公开信诉求、触发事件、正反方论点，以及组织可立即实施的五项安全控制。
26起加密裁员9起归因AI，仅5家是公司自己说的
Northpoint报告统计26起加密裁员中9起被归因AI，仅5家是公司自己说的，另4起为媒体叙事。资深Coinbase营销人流向OpenAI和Anthropic，报告刻意不统计招聘数量。
Ricursive Intelligence：用AI设计芯片破解算力危机
Ricursive Intelligence正在开发能自主设计芯片的AI系统，通过每次迭代学习并优化后续设计，目标是自动化和加速芯片研发流程，缓解AI算力危机。
Disrupt 2026创业战场决赛：五家AI初创公司盘点
TechCrunch Disrupt 2026创业战场决赛五强名单揭晓，五家AI初创公司覆盖企业代理、法律文书、供应链、医疗影像和开发者工具赛道，本文分析入围项目的共同特征与评选逻辑变化。
用LangGraph打造开源AI对冲基金引擎：7人投研团队与TimesFM预测
Reddit开发者开源Lumina Capital：基于LangGraph的七角色投研委员会、Qlib Alpha158量化因子库、Google TimesFM概率预测与10秒ATR哨兵止损，探索LLM与确定性量化计算分离的多智能体对冲基金架构。
Reddit用户求问「Autoconocimiento」：自我认知到底是什么
Reddit用户发帖询问Autoconocimiento（自我认知）的含义。本文拆解自我认知的四个层次、它与内省的区别，以及为什么外部反馈对认识自己不可替代。
OpenTWBench：台湾知识评测基准揭示评分体系如何左右模型得分
OpenTWBench 发布台湾知识评测基准，包含 tw-exam-bench 与 tw-formosa-bench。研究揭示答案抽取方式可使准确率从20.8%跃至93.9%，系统提示占位符可重排榜单，量化评测装置对模型得分的影响。
EGCForest：为企业群聊打造结构化Agent记忆框架
EGCForest提出三森林架构，将企业群聊的不可变消息日志组织为频道、角色、产出物三个维度，通过跨视图链接联合检索，在三个企业群聊基准上相对MemOS答案准确率最高提升20.85分。
MAPLE：多轴参数化知识提取评估框架解析
MAPLE是一个用于评估LLM知识提取增强技术的多轴参数化框架，通过表面、概率和超越采样三个层级的诊断指标，揭示激活引导、解码调整和提示工程等KEE技术的真实效果与权衡。
多轮对话中，谁的价值取向会胜出？推理时对齐新研究
新研究把推理时对齐评测从单轮扩展到多轮对话，发现当用户与助手价值观相反时，符合模型基线偏好的一方常占上风，且早期有效果的引导会在几轮后衰减或反转。
别把朋友的数据喂给AI助手：隐私边界正在崩塌
AI个人助手正在采集你周围所有人的数据，而他们从未同意。本文分析Meta Muse等产品引发的隐私边界问题，探讨知情同意框架为何在AI时代失效，以及技术社区提出的解决思路。
四大AI实验室请求国会批准“合谋”：主权AI的回应
四大AI实验室请求国会批准反垄断豁免以“协调减速”，引发两党反对。本文分析这一“合谋”请求的本质，以及主权AI、开放权重模型如何成为制衡集中化权力的建设性回应。
别用第一张图判断Nano Banana 2.1的角色一致性
Nano Banana 2.1的角色一致性不该用第一张图来判断。本文从多轮生成、参考图管理、风格控制三个角度，分析如何测试AI角色在多张图之间是否真正保持一致。
推理模型的真相：不是更聪明，只是更慢更贵
推理模型不是更聪明，只是更慢更贵。一线工程团队实测显示：延迟是快速模型的3-10倍，成本最高差30倍，仅约15%的企业提示词真正受益。本文提供推理模型与快速模型的路由指南，涵盖升级策略、成本对照表和延迟预算方法。",
