搜索
给定一个基座模型、一个目标能力和算力预算，RSI Agent 自己设计后训练算法、收集和整理数据、写代码、跑实验、迭代改进，最终交出一个训练好的模型，全程无人介入。在自主后训练基准 PostTrain
论文DepthART提出抗偏置数据采样与相机条件化微调方法，将基础单目深度估计模型压缩至约6M参数，在保留跨场景泛化能力的前提下实现Jetson等端侧设备的高帧率部署。
OpenAI"智能时代"平台发布文章《The Eternal Complement》，讨论AI走向超级智能后文明稀缺资源将转向判断力与"品味"，提出"深度文明"与"广度文明"两种发展路径，并强调人类好奇心与创造多样性仍具持续价值。
从 1200 万个候选拉取请求中，最终留下 5000 个 SWE 代码任务 —— 不足 0.05%。把「出题、答题、改卷、训练、评测」这条代码数据流水线全自动跑起来，就是 LegoFlow； 在这个过
a16z最新90页报告《STATE OF MARKETS》指出，Alphabet、亚马逊、Meta、微软和甲骨文五家科技巨头2026年合计资本开支预计接近7770亿美元，AI建设正成为影响宏观经济的重要变量，供应链获得订单但回报兑现仍有先后，软件行业则进入"证明自己"的阶段。
不是所有任务都需要最强的模型。让每一次请求选对模型，让每一次反馈都成为下一次更优、更省的选择。不是所有任务都需要最强的模型。让每一次请求选对模型，让每一次反馈都成为下一次更优、更省的选择。
百度联合中国科学院计算技术研究所与武汉大学的研究者围绕这一现状，提出答案支撑、内容可信与上下文组织三阶段框架，并结合百度搜索工业实践，梳理了从检索排序、可信度判断、结构化上下文组织到生成后反馈的优化链路。
AI 确实在帮 AI 变强，但收益正逐轮递减。当前 AI 自我改进回路的实际强度，仅为触发“智能爆炸”所需理论阈值的 10% 到 20%；若要实现自我维持式的加速进化，这条回路必须再增强 5 到 10 倍。而在巨额过程损耗面前，眼下的系统连维持匀速进步都已十分吃力。
TaoMate-H3 是由阿里巴巴 TaoLive AIGC 团队研发的音视频联合流式生成模型。基于 MiniMax H3，TaoMate-H3 将三步 LoRA 推理与自回归生成相结合，能够根据文本
EMNLP 2026录用论文提出Claim-Locked Reporting方法，针对AI审稿等场景中数字正确但方向或结论强度被改写的统计主张失真问题，通过先锁定证据支撑的主张、再由代码固定数字与方向而模型仅负责衔接，在fMRI与临床试验报告上将跨次生成数值复现率分别提升至98.5%和100%，并消除了方向反转错误。
三星与上海交通大学提出RoboICL具身上下文学习方法，通过冻结GPT-6 Astra模型并在推理时提供少量示范与机器人自身交互记忆，在RoboDojo 30项机器人操控评测中以50.64分全面领先PhysicalRSI等现有方法，并公开了929条可逐布局核查的执行记录及真实机械臂实验结果。
港科大团队在NeurIPS 2026上提出AccelEval基准，覆盖6个领域42项任务和43类CUDA优化策略，评测大模型能否从可信CPU程序生成端到端更快的GPU实现，其中Gemini 3.1 Pro在中规模通过正确性验证的任务上取得71.2倍几何平均加速比。
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。