现有的方法对大语言模型（LLM）「越狱」攻击评估存在误判和不一致问题。港科大团队提出了GuidedBench评估框架，通过为每个有害问题制定详细评分指南，显著降低了误判率，揭示了越狱攻击的真实成功率远低于此前估计，并为未来研究提供了更可靠的评估标准。
昨夜，谷歌宣布向 Google AI Ultra 订阅用户推出 Deep Think 功能，Gemini 2.5 Deep Think 模型在今年的国际数学奥林匹克竞赛 (IMO) 上夺得金牌。
视频大型语言模型（Video LLMs）的发展日新月异，它们似乎能够精准描述视频内容、准确的回答相关问题，展现出足以乱真的人类级理解力。
谷歌拿下IMO（国际数学奥林匹克竞赛）金牌的模型——Gemini 2.5 Deep Think，现在可以用起来了。谷歌拿下IMO（国际数学奥林匹克竞赛）金牌的模型——Gemini 2.5 Deep Think，现在可以用起来了。
近期，随着OpenAI-o1/o3和Deepseek-R1的成功，基于强化学习的微调方法（R1-Style）在AI领域引起广泛关注。这些方法在数学推理和代码智能方面展现出色表现，但在通用多模态数据上的应用研究仍有待深入。
又一个SOTA基础模型开源，而且依然是国产。 刚刚，阶跃星辰兑现了WAIC上的承诺，将最新多模态推理模型Step-3正式开源！ 在MMMU等多个多模态榜单上，它一现身就取得了开源多模态推理模型新SOTA的成绩。
开源编程模型的天花板，要被Qwen3-Coder掀翻了。 今天凌晨，Qwen3-Coder-Flash也重磅开源！
7月30日，特朗普宣布了一项新的医疗科技发展计划，旨在利用AI等技术，构建一个以患者为中心，更加智能、安全、个性化的医疗生态系统。
今年WAIC现场，AI硬件公司未来智能现场展出了其今年刚刚推出的两款新品AI会议耳机Pro 3和Air 2，其中内置了面向个人商务办公场景的AI Agent——viaim大脑。
你有没有想过，为什么在AI能生成一切的时代，一个"画图工具"反而更值钱了？7月31日，Figma正式登陆纽约证券交易所，首日收盘市值高达563亿美元，P/S倍数超过60倍。相比之下，SaaS行业的平均P/S倍数仅为7倍，这个数字不仅远远超过Adobe、Salesforce等成熟SaaS公司的估值水平，甚至比两年前Adobe试图收购它的200亿美元报价还要令人震撼。
