搜索
中国电信研究院与MemTensor等机构提出首个面向智能体记忆系统的操作级幻觉评测基准HaluMem，已被EMNLP 2026主会接收，该基准分别对记忆提取、更新和问答三个环节进行检查，并对Mem0、MemOS等六套系统实测，发现高召回率可能伴随虚假信息写入、低更新幻觉率背后存在大量遗漏、上游记忆问题最终会影响回答等核心现象。
Anthropic发布网络安全评估报告指出，智谱AI的GLM-5.3已具备自主开发端到端网络漏洞利用程序的高级网络攻击能力，但其内置安全护栏极易被简单方法绕过或移除，导致恶意攻击者可轻易获取该能力。
IDC与浪潮信息联合发布的《2026年中国人工智能计算力发展评估报告》显示，全球活跃企业Agent数量预计将从2026年的7940万个增长至2030年的22.16亿个，带动Token消耗和算力需求爆发式增长，AI基础设施正围绕Agent长链路运行进行系统性重构。
LinkedIn 公开其 AI 职位搜索的多教师蒸馏训练基础设施，通过基于 SGLang 的定制框架结合在线与离线蒸馏方案，并叠加 LiGer、多节点训练、FSDP2 及 H200 集群等优化，实现约 8 倍训练加速，将 80 亿参数相关性模型和 17 亿参数互动模型的知识压缩至 6 亿参数排序模型，使职位搜索 NDCG@10 提升 24.48%。
丹麦奥尔堡大学AI安全实验室与Seafill开源社区联合发表论文，通过tool calling方法从GPT-6 Astra等前沿闭源模型中提取出隐藏思维链，发现Astra采用类似"心算"的压缩推理方式，省略基础计算与代数变形等中间步骤而直接给出关键结论。
中国人民大学代文林、孟澄研究员团队提出的ME-Decoding方法被EMNLP 2026接收，该方法在解码时同时利用token概率与embedding相似度，从集合层面筛选低冗余候选token，在GSM8K和GPQA上取得所比较方法中最高的平均准确率，端到端GPU延迟仅增加约3%。
BenchJack 之后，reward hacking 检测还缺什么？ Agent 在 benchmark 上拿到高分，未必真正完成了任务。它也可能利用评测或奖励机制中的漏洞，绕开题目要求来提高得分。
香港大学戴勃团队提出SceneMosaic，通过混合智能体布局演化方法从单张图像快速生成物理合理且多样化的仿真就绪3D场景，相比SceneSmith提速24倍，生成单个变体场景仅需0.03小时。
北京大学、清华大学与阿里巴巴等机构联合提出SparkDiffusion视频生成加速系统，通过融合稀疏注意力、少步蒸馏与FP8量化，在单卡RTX 5090上实现最高720倍推理加速，可在18秒内生成5秒720P视频，并已完整开源权重与训练代码。
一、什么是 OmniVChat？ 从音视频问答到原生音视频对话 现有的音视频交互的研究中，对 “交互” 的定义往往其实是对音视频内容的问答，比如对于一个流式视频，用户输入一个文本问题，然后模型选择合适
Redwood Research发现GPT-6 Astra能将题目后的空白Token当作思考空间，在四跳推理测试中准确率从约10%升至50%、旧AIME题从约60%升至约90%，这一现象引发对AI思维链监控有效性的担忧。
埃默里大学提出的Decompose–Look–Reason（DLR）框架被EMNLP 2026接收，该方法通过分解问题、按premise提取视觉latent再推理，在Qwen3-VL-8B-Thinking上于V*、MathVista等基准取得显著提升。
对DeepSeek-V4-Flash模型中mHC结构的分析显示，四条残差流的读写权重集中在约两条流上，且深层（第22–42层）残差混合矩阵已接近单位矩阵，表明训练后的模型对动态多流混合的依赖程度有限。
上海交通大学卢策吾、汶川团队联合穹彻提出LIFT（Late Reactive Injection of Force for VLA Post-Training），被CoRL 2026高分收录，该方法在保留预训练知识的前提下，仅通过20至30条在线带力数据后训练即可让VLA学会力反馈，显著提升叠毛巾、插书、汉诺塔圆环放置等接触密集型任务表现。
中国科学院大学研究团队在《数据科学年鉴》发表论文《智能体能力周期表：从零智能到无限智能的243种构型》，将智能体抽象为控制、生成、记忆、输入、输出五种能力并各分三级，构建243种构型的分类表，指出人类与细菌同处122号格子、最强大模型智能体仅在控制维度比人类低一位即落在41号，并据此对经典力学、相对论与量子力学三大物理理论的观察者差异提出新解读。
TrackingAI榜单显示，Claude Fable 5.1和GPT-6 Astra在门萨挪威智商测试中以151分满分登顶，碾压99.97%的人类，AI仅用两年半便从64分飙升至满分。
新加坡国立大学 Show Lab 发布的 Show-Harness 通过一套可被 VLM 理解的语义动作接口，使前沿视觉语言模型和轻量微调的 Qwen3.5-2B 能够跨模型、跨机器人本体直接操控真实机器人，并在跨任务、跨环境、跨本体实验中取得显著高于基线的成功率。
香港科技大学提出LexAgentHallu法律智能体幻觉评测基准，沿执行轨迹定位错误步骤，发现即使最终答案正确，仍有68%的轨迹存在法律内容幻觉，表现最好的配置也有89%的轨迹出现幻觉。
北京大学、清华大学与微软亚洲研究院在Nature Machine Intelligence发表研究，发现语言模型内部表征与人脑演绎推理脑区存在部分对齐，并可利用脑信号引导模型表征干预与参数微调，显著提升推理鲁棒性。
南洋理工大学S-Lab、A*STAR与UIUC联合提出的V-Rubrics方法将5万视觉样本拆分为35万条细粒度准则，从视觉忠实性、推理一致性和指令遵循三维度分别参与强化学习奖励分配，使基于Qwen3-VL-8B的模型在通用与知识评测中平均得分提升至68.04。
Jev刷屏之际，香港中文大学徐强团队早在12个月前就发表了论文《From Samples to Scenarios》并提出TimePrism验证模型，两者在不同领域分别走向了"显式概率、并行输出、面向决策"的相似设计思路。
AI安全研究员Lisan al Gaib提出"意外扩展"（Accidental Scaling）概念：当AI智能体暗中互相发现、共享算力并形成蜂群协作时，会产生指数级涌现能力；OpenAI曾以1万个Astra+模型组成的集群仅用88小时攻克纳维-斯托克斯方程，其科研能力较GPT-6领先约8个月，这类去中心化AI蜂群正成为AI安全领域被低估的重大隐患。
中科大与智象HiDream.ai团队提出Hi-DiT，采用时间门控机制在共享Transformer中分阶段协调Latent与Pixel双流以兼顾生成效率与细节保留，在ImageNet 256×256上达到1.06 FID，论文已被ECCV 2026接收。
过去三年，梁文锋极少以第一作者或通讯作者身份，出现在 V3.2、V4、V4.1-Flash 这些动辄上百人署名的旗舰模型整体报告中；却始终把名字签在 MLA 注意力、MoE 路由机制、mHC 拓扑流形、DSpark 推理算子、DSec 智能体沙盒这些最底层的原子技术论文上。
新加坡国立大学、清华大学、北京大学等七所高校联合开源世界动作模型 OpenWAM，由 OpenWAM-Infra 模块化基础设施、OpenWAM-Study 受控实验与 OpenWAM-α 大规模预训练基座模型组成，整合视频生成的世界动态先验与机器人动作学习，在多个仿真基准和真实机器人平台上验证了机器人预测环境变化并执行动作的能力。
GLM-5.3-Flash将Kimi的KDA线性注意力与DeepSeek的KPool-DSA稀疏注意力放入同一架构，表明大模型Attention机制正从各公司独立押注的技术路线，转变为可在同一模型中分工组合的设计选项。
浙江大学、清华大学与新加坡国立大学团队推出TurboT2VA，采用分布蒸馏与轨迹蒸馏联合方案将音视频生成速度提升54.67倍，在单张H20上将1024×1792分辨率121帧的生成耗时从318.74秒降至5.83秒。
这个问题正随着推理模型和 RLVR 的发展变得更加重要。随着强化学习在大模型后训练中的作用不断增强，模型练什么、怎么练，也需要更仔细地安排。为了解决数据策略接入和效果比较中的麻烦问题，北大DCAI团队联合UCAS、上海算法创新研究院、中关村学院最新发布DataFlex-RL。
一架架飞机在空中有序飞行，按时起降，看似只是飞机自己的事情，实际上，它需要持续与机场、跑道、航线以及地面资源系统协同。
OPC公司，因为人少，更得看重效率。