搜索
OpenAI一款8月28日开始训练的内部模型已攻克100多道世界级数学难题，多伦多大学数学家Daniel Litt撰文指出，AI虽将大幅提升数学产出效率，但人类对数学的理解仍不可替代，数学教育与评价体系需重新定义，真正应被保留的是人与人之间的讨论、追问与理解。
Mercor通过为OpenAI、Anthropic、Google DeepMind等模型公司组织律师、医生、程序员等专家生产训练数据，2026年上半年实现6.14亿美元总收入，其中91%来自基础模型公司，目前正以约200亿美元估值洽谈新一轮融资，其专家数据生产能力正成为模型竞赛的关键卡脖子环节。
五年前中科曙光立项曙光8000时提前押注"超智融合"路线，建成中国首个全国产十万卡AI超集群，将高精度科学计算与AI大模型训练集成于同一系统，近日随央视纪录片《超级工程》完整呈现其五年技术攻关与落地的全过程。
新加坡国立大学 Show Lab 发布的 Show-Harness 通过一套可被 VLM 理解的语义动作接口，使前沿视觉语言模型和轻量微调的 Qwen3.5-2B 能够跨模型、跨机器人本体直接操控真实机器人，并在跨任务、跨环境、跨本体实验中取得显著高于基线的成功率。
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。
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。
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。
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。
Jev刷屏之际，香港中文大学徐强团队早在12个月前就发表了论文《From Samples to Scenarios》并提出TimePrism验证模型，两者在不同领域分别走向了"显式概率、并行输出、面向决策"的相似设计思路。