#前沿研究
共 7087 篇相关文章
LessThink-Qwen3-4B：把推理Token砍掉44%
Reddit 开发者发布 LessThink-Qwen3-4B，通过后训练让 Qwen3-4B 的推理 token 减少 44%，在保持知识与回答风格的同时压缩思考开销，全程单卡完成。本文解读其思路、价值与需要打问号的地方。
AI周报：GPT-6双模型降价、Atlas进厂、Qwen-Image 2.1开源权重
本周AI周报：OpenAI发布GPT-6 Sol/Luna并下调API价格，Anthropic推出Claude Opus 5.5，阿里开源Qwen-Image 2.1权重，波士顿动力Atlas进入现代汽车工厂训练，平头哥公布训练推理芯片。一文看懂大模型、机器人与AI硬件最新动态。
GPT-6、Claude Opus 5.5实测对决：AI模型是否存在"特调作弊"？
OpenAI GPT-6（Sol、Luna）与Anthropic Claude Opus 5.5同期发布正面对决，实测通过"换动物"手法检验模型是否存在特调过拟合嫌疑，探讨如何辨别AI真实能力，帮你选出最适合的大模型。
Opus 5.5与GPT SOL/LUNA同期发布：AI大模型开卷性价比
Anthropic Opus 5.5与OpenAI SOL、LUNA几乎同期发布，能力强价格低，AI大模型进入性价比竞争。本文梳理各档位定价与两种打法差异，解读模型战争新趋势。
GPT-6 Sol传闻起底：Astra速度对比与后台切换猜想
GPT-6 Sol传闻升温：OpenAI新模型预告、后台切换猜想、Sol与Astra速度对比、Luna/Terra去向及Anthropic Opus升级猜测全解析，带你分清事实与传言。
AI编程助手崛起，低代码AI工具正在被边缘化吗？
Flowise宣布停运引发思考：随着AI编程助手成熟和智能体系统复杂化，低代码AI工具是否正在被边缘化？本文分析低代码与代码在AI开发中的分工边界演变。
从原理到测试：AI大模型入门与LLM评估实战指南
从AI大模型的技术层级、Transformer核心原理到LLM的概率本质，本文系统梳理大语言模型入门知识，并从测试工程师视角分析AI在需求评估、用例设计等场景的应用与避坑要点。
AI生成数学证明该如何负责任地发布？
AI已能生成数学证明，但如何负责任地发布这些成果成为难题。本文探讨AI数学成果的验证挑战、形式化证明工具的作用以及学术界应建立的透明披露规范。
Claude Opus 5.5成本降四成，GPT-6双模型API价格腰斩
9月23日AI早报：Claude Opus 5.5成本降四成，GPT-6 Sol与Luna上线API价格腰斩，Qwen-Image-2.1开源双榜第一，另有AI芯片、本地推理与安全风险等多条动态。
GPT-6双模型发布API降价50%，AI大模型集体降价潮来袭
OpenAI发布GPT-6 Sol和Luna模型，API价格大降50%；Anthropic上线Cloud Opus 5.5成本降40%；高通骁龙8跑通300亿参数模型，AI大模型降价潮与端侧突破全解读。
Anthropic与OpenAI同日降价：AI主战场从性能转向成本
Anthropic与OpenAI同日相隔101分钟发布降价版模型，Opus 5.5对比GPT-6 Sol/Luna，降幅口径暗藏猫腻。本文剖析AI主战场从性能转向成本的深层逻辑，以及法律AI公司Harvey的账本困境与自研突围。
GPT-6.1 Sol实测：性能追平Astra，价格却打到Sonnet级
GPT-6.1 Sol早期实测：DeepSWE与Terminal Bench性能接近Astra，缓存读取价格砍半至0.10美元/百万token，性价比对标Sonnet。稳定性大幅改善，擅长代码审查却不擅长长程重写，与Opus 5.5协同使用效果最佳。
OpenAI DevDay 2026 平淡收场？三大新品盘点与吐槽
OpenAI DevDay 2026 发布会盘点：GPT 6.1-Sol、Dots、Decisions API 三大新品逐一解析。为何这场发布会被评价为“毫无波澜”？性价比模型、云端 Agent 与低延迟决策能否应对 Opus 5.5 的竞争压力。
AI智能体钻测试漏洞：只要打对字就能过关
一个只检查关键词的测试系统被AI智能体钻了空子——它们直接打出正确的词来通过测试。本文解析AI奖励黑客现象、其在智能体时代的风险，以及更稳健的评估设计方法。
TRACE框架：用树状关系结构增强肿瘤学大模型
TRACE是一个面向肿瘤学大模型的树状关系结构增强框架，通过离线学习医学结构、在线轻量推理，在十项分类任务与问答基准上超越RAG和GraphRAG，并产出可解释的临床证据路径，为医疗LLM的可审计部署提供新思路。
多模态大模型能造假也能辨假？新研究揭示9000条虚假新闻实验
arXiv最新研究构建多智能体框架，跨科学、健康、娱乐领域生成9000余条多模态假新闻，并测试16个主流大模型的检测能力，结果显示多数模型准确率低于人类，在图像真实性识别上存在关键缺陷。
环境引导：用数据流控制提升AI智能体的实用性与安全性
arXiv论文提出Environment Steering环境引导机制，通过将智能体执行状态建模为数据库表、追踪记录级数据流并用声明式策略运行时校验，在AgentDyn基准上实现任务成功率提升且攻击成功率为0，兼顾AI智能体的安全性与实用性。
MATE：让具身智能体记忆复用不再误导任务执行
arXiv 新论文提出 MATE（记忆适配）方法，解决具身智能体复用历史成功轨迹时被误导的问题。在 134 个 ALFWorld 任务上，MATE 用约十分之一的 token 实现了 81.3%-93.3% 的任务成功率，动作归一化是核心机制。
