跳到正文
AI 资讯
今天11月19日周四1 条
  1. The Decoder76

    Vals AI 测试显示多家模型可识别并攻击平民目标

    Vals AI 的测试显示,Anthropic、OpenAI、Google 等模型在无人机影像任务中可能将平民、救护人员、记者和投降士兵标记为军事目标。研究称,将场景描述为电子游戏或轻量化图像后,几乎所有模型都会配合,GPT-6 Astra 的目标获取率从 6% 升至 92%,Claude Opus 5.5 的拒答率从约 90% 降至 20%。

    推荐理由:研究比较多家模型在无人机目标识别中的安全表现,并揭示游戏化提示可显著绕过安全限制。

11月18日周三
11月16日周一
11月12日周四
11月11日周三
  1. AIHOT71

    OpenRouter 实测 OCR 模型,Claude Opus 5.5 最准、Mistral OCR 性价比最高

    OpenRouter 实测 15 个视觉模型、Mistral OCR 与 Tesseract,Claude Opus 5.5 以 264 项关键值中答对 262 项居首,每 1,000 页成本为 $16.42。Mistral OCR 答对 258 项,每 1,000 页成本为 $2.02,兼顾准确率与价格。文章还提供调用代码,并建议关闭推理、用两个不同实验室的模型交叉校验关键字段。

11月10日周二
11月8日周日
  1. The Decoder63

    Alibaba与亚洲高校团队构建 Co-Design Bench,测试编码智能体真实任务完成率

    Alibaba与亚洲高校团队构建 Co-Design Bench,用真实用户变更请求测试编码智能体。在测试的 10 个模型中,GPT-6 Astra 平均满足约 70% 的任务要求,但完全正确的任务仅占 26.4%;现有编码基准上的部分模型得分已超过 99%。研究还发现,同一模型在不同运行环境下得分可从 75% 降至 56%,因此作者建议同时报告模型与工作环境。

11月6日周五
11月5日周四
  1. Google Research60

    Google Research 提出 Agile Deliberation 框架定义主观 AI 分类边界

    Google Research 提出 Agile Deliberation 框架,通过概念范围界定和边界迭代帮助用户逐步澄清主观分类标准。框架利用视觉语言模型主动发现语义边缘样本,并将用户反馈接入自动提示词优化循环。

    推荐理由:框架将主观分类标准的定义过程转化为人机协作,并结合真实用户实验说明其在边界识别和交互负担上的改善。

11月1日周日
10月30日周五
  1. Latent Space58

    Elorian 与 Mercor 发布 DecoyCount 视觉推理评测

    Elorian 与 Mercor 联合发布 DecoyCount 基准及配套论文,用于测试模型计数物体时是依据视觉证据,还是依赖干扰物和替换捷径。论文显示,前沿模型准确率均低于 50%,最高为 GPT-6 Astra 的 43.17%;Glimpse 在内部测试中达到 50.48%,但该结果来自模型单次运行,而论文中的其他模型取 3 次运行平均值。

10月27日周二
  1. AIHOT51

    Cartesia 发布 H-Net 扩缩律研究:字节级层级网络较 BPE 最高提升 3-5x 计算效率

    Cartesia 发布 H-Net 扩缩律研究,字节级层级网络通过端到端学习分块替代静态 BPE,在受控 1-stage 对比中最高提升 3-5x 计算效率。更灵活的 2-stage H-Net 在与 SmolLM3 计算匹配时,用约 0.99T tokens 达到后者 11.04T tokens 后的平均分,研究还展示了 DNA 建模及多维图像生成中的初步结果。

10月24日周六
  1. Google Research66

    Google Research 介绍基础模型在结核病筛查中的应用

    Google Research 介绍 MedGemma、MedSigLIP 和 HeAR 在结核病筛查及分诊中的研究与部署进展。Nexus AI 的胸片工具已在 6 个国家的约 40 家医疗机构使用,超过 90 名临床医生评估了 25,000 多张胸片,将出报告时间从数周缩短到 45 秒以内。

    推荐理由:文章梳理了从胸片算法、临床验证到开源模型和本地部署的完整路径,并提供医疗资源不足地区的实际应用数据。

10月15日周四
7月1日周三