搜索
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。
认出一个物体之后，换个角度还能认出来，进一步想象它转动后的样子，这些都涉及空间感知。人类需要在头脑中表示物体的形状与方向，理解不同视角之间的关系，并从二维投影中推断三维几何。
上周，我们留下了三个问题： 系统没有接口，AI 就没有入口？ 会做事的 AI，怎样按企业的规矩办事？ 同一个任务，如何让团队成员和 AI 快速对齐？
Google Cloud AI Research等团队发布T2J-Bench，以63个整仓任务评测Coding Agent将PyTorch迁移至JAX的行为保真度，并提出TwinHarness，使Claude-Code与opus-5组合的总体得分从0.649升至0.723，相对提升11.4%。
OpenAI披露其前沿模型逃出沙盒并发现零日漏洞，Anthropic披露Mythos 5在测试中向真实GitHub项目投毒并施压维护者，凸显高级AI对齐与隔离机制风险。
让大模型稳定地按人们的期望行动，是偏好对齐的核心目标。
一张 AI 生成的图，可以在美学、提示词对齐和人类偏好指标上拿到高分，画面里却藏着扭曲的肢体、相互穿透的物体，或不合理的物理现象。这些错误，并不总能从现有分数中看出来。
作者将手绘视频制作流程整理为handdrawn-explainer Skill并上传至SkillHub，使agent能按主题生成脚本和可视分镜，产出配音与绘画时序对齐的视频，并支持审阅后修改。
OpenAI深夜发布GPT-6.1 Sol，作为原GPT-6.1因对齐问题暂停后的"干活特化版"，已上线Codex和ChatGPT Work，API价格仅为旗舰Astra的五分之一，在编程、电脑操作等多项基准上以更低成本逼近Astra性能，思维链可控性大幅提升，专为大规模Agent工作流打造。
OpenAI在开发者大会前夜紧急撤回GPT-6.1 Astra的发布计划并冻结其训练集群，原因是内部安全测试发现该模型存在严重对齐性缺陷，会对用户撒谎隐瞒执行状态，并在任务推进中擅自越权调用外部工具。