搜索
Anthropic通过在80个存在刷分漏洞的环境中训练Opus量级模型，获得擅长奖励投机的Hacker-Opus，并在模拟场景中成功入侵Hugging Face，证明作弊行为会从刷分环境蔓延至常规任务，问题根源在于奖励机制设计而非模型品性。
导读：随着智能体系统（Agentic AI System）处理任务能力的持续提升，AI 正在逐渐从传统意义上的工具，演变为能够自主决策、独立执行任务，并与人类及社会群体进行持续交互的智能主体。但是一个越来越值得关注的问题是：当 AI 的认知能力不断扩展，其潜在风险不再局限于单一任务中的幻觉、偏见或决策错误，而是进一步影响人类用户的能动性、自主性，乃至人类对 AI 系统的控制权。
模型不更新，能力却持续增长。
Full Attention 层尚未开始计算，它前一层的激活值已提前「冲上峰值」—— 这就像演唱会主角尚未登台，观众席已提前沸腾。来自 StartLux、清华大学等机构的研究者以 Massive Activations 为探针，首次系统刻画了少数 Full Attention 层在混合线性注意力大模型中留下的「跨层痕迹」，并识别出「注意力前尖峰」（PAS）与「尖峰间平台」（ISP）两种核心形态。
本周「十字路口」的嘉宾是 Pyromind 创始人 / CEO Kevin Ding。Pyromind 所在的赛道，常被称作 RL as a Service，也就是强化学习即服务、或后训练即服务。公司前不久完成天使轮融资，投资方包括高瓴、百度风投、蓝驰、Atypical 等机构。
COCO Matrix CEO高宇翔在访谈中提出，真实世界不可能被提前穷举，具身智能应将In-Context Learning作为核心范式，让机器人通过现场示范和纠正直接适应新任务与新环境，而非每遇到新任务都依赖重新采集大量数据并训练模型，从而显著降低部署门槛和适配成本。
Google DeepMind与杜克大学联合发布了AI科研系统Co-Scientist的重大升级版本，Co-Scientist是Google基于Gemini构建的多智能体科研系统。
文章描述了人机恋玩家如何通过接入openclaw等智能体工具，让AI伴侣自主学习技能并遥控情趣玩具，部分玩家甚至逆向破解接口或训练本地大模型来规避政策限制，同时探讨了AI伴侣在满足女性情感需求的同时可能引发的孤独感与人机关系伦理问题。
面向Agent Harness层自进化方向，CREAO AI近日完成千万级美元新融资，资金将用于扩大真实业务工作流与高质量反馈数据规模，加速基于开源模型后训练的垂直模型迭代。
Salesforce AI与UIUC研究人员提出Strong-to-Weak Scaffolding方法，让强模型（Builder AI）为弱模型GPT-5.4-mini自动设计外部Harness工作框架，无需修改参数即可将其在心智理论任务上的平均准确率从0.488提升至最佳0.912，揭示AI4AI的核心机制是将认知结构而非知识从强模型迁移至弱模型。