跳到正文
AI 资讯
11月8日周日
11月6日周五
  1. The Decoder59

    SemiAnalysis 发布 GDPx 工作基准,Claude Opus 5.5 得分不超过 12%

    SemiAnalysis 发布 GDPx 真实工作基准,Claude Opus 5.5 以 12% 位居榜首,没有模型超过 12%。该基准包含 206 个任务,覆盖芯片设计、生物、量化交易、网络安全和法律等 11 个领域;Gemini 4 Carbon 得分 10.9%,每任务成本约 $16.29。研究还指出,安全过滤会影响排名,且封闭任务、模型自动评分和工具差异使结果难以充分核验。

11月5日周四
10月29日周四
  1. MIT Technology Review · AI58

    专家呼吁实时监控 AI 智能体的行动

    专家呼吁企业、监管机构和标准组织共同补齐 AI 智能体的实时可观测性缺口,以掌握其行动、决策过程与人工干预情况。对四种主流智能体框架的研究发现,持续身份标识、人类审批记录等关键记录缺失,妨碍识别越权行为和监督失效;OpenTelemetry 正在起草智能体追踪格式,但相关标准尚未定稿。

9月21日周一
  1. Import AI47

    Import AI 473:美国超级智能战略、鼠脑中的类人脑组织与机器释义学

    RAND 发布美国面向超级智能不确定路径的战略报告,主张以“行动自由”策略保留选项,构建人机生态、AI 安全架构并提升社会应对能力。报告比较七类战略与五项不确定性;研究人员还在实验小鼠脑内培育类人脑组织,探索其作为潜在实验体的用途。本期还涉及机器释义学。