搜索
METR调查显示，Anthropic未公开的Model 4内部综合能力指数（AECI）达178.6，模型能力提升速度自2025年10月起增至此前1.9倍，约80%的研发加速来自AI辅助，内部研究员自报效率提升约12倍。
深圳市大数据研究院与华为联合研发的ASP被NeurIPS 2026接收，该系统基于昇腾910B3和MindSpeed-RL，以队列感知调度优化多实例异步RL训练，生成吞吐最高提升222%、单轮迭代时间最多降低76%，并将电信百卡集群训练周期从3个多月缩短至约2个月。
微软研究院等团队提出全开源的WildAWM，合成个人电脑环境、跨GUI/MCP/CLI任务及验证器，并训练Qwen3.6-35b-a3b和Qwen3.5-4b，两款模型在8个分布外基准上均获提升，相关环境、任务、模型与数据均已开源。
李飞飞创办的 World Labs 发布 Frameboy 研究预览版，将自回归世界模型 Atlas 接入浏览器云端实时交互，单张图片生成的 3D 世界最高可达 15 fps，并支持自由操控镜头探索。
OpenAI推出主攻安全研究的GPT-6 Cyber，在ExploitGym得分48.5%超GPT-5.6 Cyber的32.1%，已发现81个Firefox新漏洞并为948个Linux漏洞开发利用程序，目前仅向Daybreak Red认证客户开放，OpenAI同时设立10亿美元一线防御者资助计划。
METR 调查报告称，Anthropic 过去一年的基准能力进步约等于此前两年，其中约 80% 的 AI 研究加速来自 AI 辅助人类研发，但距离完整的递归自我改进仍有差距。
在 LLM/MLLM 领域，基于 verifier 奖励的强化微调（Reinforcement Fine-Tuning, RFT，如 GRPO）在激发复杂推理能力方面展现出显著优势。由于 On-policy 优化的特性，很多研究指出 RFT 相比传统的监督微调（SFT）天然具备更强的抗遗忘能力。
Astra修改小模型权重？MIT那篇爆火研究，被大佬公开质疑了。
经过决策训练的语言模型，重新打开生成开关后，未必还能稳定地推理。在研究者的实验中，4B 模型在约 40% 的问题上几乎不生成推理；9B 模型则走向另一端，在约 70% 的问题上持续生成，直到触及长度上限。
你花钱买了一台最新款的智能电视，为了保护隐私，你决定研究一下里面的代码。为了提高效率，你打开了 ChatGPT 辅助分析。