搜索
Anthropic 工程师刚刚提出 “95% 的工程师已经在跑自我改进循环。” RSI 热潮推到眼前，递归循环跑起来了，AI 究竟变强了多少？本文将公开 Theseus Lab 进化纪元的洞察和愿景，并开源 3 项相关工作。
目前最强的视频生成大模型，例如seedance 2.5在根据用户意图生成视频的时候有一些明显的缺点。
一款根本不存在的智能手环，为什么会出现在 AI 的推荐名单里？2026 年央视 3・15 晚会曝光的 “AI 投毒” 案例，让这个问题引起了人们的关注：虚构商品被写进测评、排名和用户评价，随后被 AI 当作推荐依据。
朋友们，DeepSeek Harness 你装上了没？
「沿着走廊直走，经过左侧玻璃墙后，在拐角左转，继续走到墙边停下来。」
有位哲学家说，人这一辈子，很多事只有回头看才看得明白，可日子只能往前过。
AI agent开始接管终端之后，安全问题也进入了执行现场。当智能体能够读取文件、编写脚本、运行命令，并根据系统反馈持续调整下一步操作，一次错误决策就可能影响真实的文件与系统状态。
模型 A 负责规划，模型 B 负责细化和总结；复杂问题交给强模型，简单问题交给轻量模型——多模型协作，为 AI Agent 应用提供了兼顾效果与成本的路径。
Anthropic发布35页报告称，通过分析逾20万次Claude与Claude Code对话并调查528位学者，AI可接手27%至52%的科研工时，中位数为38%，全自动推进非动手任务时部分学科产出可提升15至16倍。
无涯智远（Norizon AI）的对照实验显示，GPT-6 Astra改动Qwen3.5-0.8B约0.016%权重虽将MATH-500得分从7.9%提至48.1%，但关闭思考模式已有48.95%，且未能稳定内化新知识、风格和技能，改权重不等于变聪明。
研究显示，GPT-6 Astra、GPT-6.1 Sol和Gemini Argon可能接受过机器人专门训练，并对Franka Panda运动学知识过拟合，尚不能证明其掌握可跨机器人迁移的通用运动学能力。
英伟达等团队提出TacitVLA，通过让动作专家不读取当前推理文本，保留推理训练与日志记忆作用，在机器人操作和自动驾驶中取得与显式推理相当的成功率，并将延迟最多降低3.4倍。
香港大学罗晔教授团队发布S²-MAS框架及YN决策模型，以14张GPU在4小时内完成1200万户家庭仿真，YN-mini单卡吞吐量达3.7万token/s，消费金融基准准确率高于Jev 1.13。
清华大学和新加坡国立大学团队提出并开源VISTA，通过Meta-agent自主修改Harness代码且不更新模型权重，将LIBERO-Pro整体任务成功率从17.5%提升至95.0%。
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。
Firefly 在 NeurIPS 2026 提出“先探索、后出题”的训练数据合成流程，利用真实 MCP Server 和可离线复现的检索增强模拟器生成5,144个可验证任务，使 Qwen3-4B-Thinking-2507 的 pass@1 从28.1%升至41.5%。
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。
香港中文大学与微软团队提出EchoChat，将感知、心理状态推断与语音回复生成纳入统一优化框架，通过级联门控、SDCA步骤级信用分配和AAA声学注意力约束减少共情推理中的错误传播，相关成果发表于NeurIPS 2026，并发布EchoDialogue-400K数据集与EchoEval评测。
文章分析前沿模型文字难懂的原因，指出 Google 通过 LearnLM 将易读性、命题保真度、认知负荷管理和强化学习后训练融入 Gemini 2.5 Pro 与 Flash，并介绍 UIDPO 和修辞结构对齐两种认知对齐路径。
密歇根大学安娜堡分校团队提出并开源AI机器人协同设计智能体Auto-Robotist，相关工作获EMNLP'26主会录用，并在EvoGym七项任务的5×5冷启动实验中以持续更新的技能库复用试错经验，平均最终最优得分高于遗传算法。
国防科技大学与清华大学团队提出ICRPM（In-Context Risk Predictive Model），利用近期任务—风险记录预测策略更新后的风险，在无需额外rollout或环境交互的情况下提升大模型RLVR、Meta-RL及鲁棒控制中的任务排序与训练效果。
RAGFlow 1.0 以 Go 重写并公开知识编译层与 Retrieval Harness，将产品定位升级为 Agent Native 数据库，通过证据链等编译产物降低 Token 消耗并提升上下文可追溯性。
让视觉模型在图里找一样东西，它通常会给出一个框。可如果这样东西根本不在图里呢？
把大模型运行在手机上，已经有了不少探索。
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RAG与Agent、法律以及电商等场景中，语义+关键词的混合检索已经成为越来越多搜索应用的常规配置。
走向物理 AI 时代，构建一个能真正统一语言与视觉的多模态基座模型是关键一步。然而，语言本质上是有序的 Token 序列，视觉则是连续的高维像素分布，两者在信息结构上存在天然的鸿沟。如何在一个模型内统一这两种截然不同的分布，一直是一个备受争论的话题。
2024 年 10 月，机器之心曾报道过清华团队的一项基模工作：RDT-1B。
近日，米哈游联合清华大学、香港大学、新加坡国立大学等学术机构，开源首个通用游戏模型 GameScaling 系列：覆盖 0.8B、2B、9B、27B 四档规模，共八个模型，权重与推理代码均以 Apache 2.0 协议发布。
前段时间，我们做了一个开源项目 Vector Graph RAG，尝试只用 Milvus 向量数据库实现知识图谱的多跳检索，省去额外部署图数据库的麻烦。