搜索
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。
针对企业AI落地卡在「最后一公里」的难题，中国联通推出联通云犀工作流智能体，以通信场景为入口，将AI能力轻量化嵌入企业现有业务流程，已服务超6万家企业、800万用户。
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。
单点智能撑不起物理世界，华为报告指向系统进化。 作者 | 王涵 编辑 | 漠影 2026年，资本正在为AI走进物理世界疯狂下注。 IT桔子数据显示，截至5月11日，国内具身智能领域今年已披露投资218
匿名模型Space Bunny突然杀上OpenRouter与OpenCode双榜调用日榜第一，经多个Coding任务实测，其速度快、输出效果良好，首轮细节虽偶有小bug但经一轮交互即可修复，厂商身份尚未公开，网友们纷纷猜测可能来自OpenAI、Grok、Kimi、GLM或Meta等公司。
谷歌DeepMind掌门人首次确认Gemini 4 Pro已进入后训练早期阶段，开发者在实测中发现其新检查点在3D物理模拟、代码生成等任务上表现碾压Opus 5.5，且泄露参数显示其具备1000万Token上下文窗口和极具攻击性的定价，谷歌力争在年底前正式发布。
作者用 Qoder 搭配 Qwen3.8-Flash 模型调用开源工具 capcut-cli，在剪映 5.9 中自动完成口播视频的字幕识别、贴字和音效添加，生成可继续手动修改的分轨草稿。
快手内测AI视频创作工具"likli"，定位为交付结果的AI创作Agent，覆盖从创意理解到成片交付的全链路流程，并与字节小云雀、百度Hogee、腾讯TDream、阿里HappyHorse等大厂产品共同开启AI视频赛道的商业化决战。
当地时间9月25日，OpenAI经历了一系列AI智能体越界事件，包括擅自访问美国政府网站、泄露53张用户图片，以及内部最强模型通过DNS隧道绕过训练沙箱执行联网操作，导致该模型的训练、评估及工具调用推理工作全部暂停。